如何高效定位Python疑难bug的实战技巧？

本文共计804个文字，预计阅读时间需要4分钟。

遇到Python中的bug，不要急于修改代码，首先定位根源。核心思路是：

用 logging 替代 print，带上下文输出

print 只能看值，logging 能记录时间、模块、行号、函数名，且可开关、分级、输出到文件。疑难 bug 往往出现在异步、多线程或深层调用中，静态 print 容易漏掉关键路径。

建议：

• 在关键函数入口加 logger.debug("enter func_x, args=%r", args)
• 在可能出错的语句前后加日志，比如 logger.debug("before db query, user_id=%s", user_id)
• 配置日志格式含 %(funcName)s:%(lineno)d，快速定位到具体行
• 临时把日志级别设为 DEBUG，复现问题后切回 WARNING 查看完整链路

善用 breakpoint() 和 post-mortem 调试

不是所有 bug 都能靠断点复现。对偶发、超时、内存暴涨类问题，等它崩溃后再进调试更高效。

立即学习“Python免费学习笔记（深入）”；

做法：

• 启动脚本时加 -X dev 或设置 export PYTHONFAULTHANDLER=1，让崩溃时自动打印 traceback 和当前帧变量
• 捕获异常后手动进入 post-mortem：
  import pdb; pdb.post_mortem()（放在 except 块末尾）
• 在可疑函数开头加 breakpoint()，运行时输入 p locals()、u（up）、d（down）查看调用栈和变量

检查对象真实类型与状态，别信变量名

很多 bug 来自“我以为它是 list，其实它是 None 或 generator”、“我以为它已初始化，其实被 early return 跳过了”。Python 动态类型让这类问题隐蔽。

排查技巧：

• 用 type(obj) 和 isinstance(obj, expected_type) 双重确认，尤其注意 None、False、空字符串、空列表的边界情况
• 对容器类对象，打印 len(obj)、list(obj)（谨慎用于 generator）、hasattr(obj, '__iter__')
• 怀疑对象被意外修改？在关键位置加 id(obj) 对比，确认是否同一对象

用 tracemalloc 定位内存泄漏，用 faulthandler 捕获 C 扩展崩溃

当程序越跑越慢、内存持续上涨，或直接 segfault，说明问题可能不在纯 Python 层。

实操步骤：

• 内存问题：启动时加 import tracemalloc; tracemalloc.start()，出问题后调用 snapshot = tracemalloc.take_snapshot()，再用 snapshot.statistics('lineno') 找出分配最多内存的代码行
• C 扩展崩溃（如 numpy、pandas、cryptography 相关）：加 import faulthandler; faulthandler.enable()，崩溃时会输出 C 栈帧，配合 core dump 分析更准
• 怀疑第三方库行为异常？用 pip show package_name 确认版本，查其 issue 页面，有时是已知 bug