谷歌大神又一开源神器!Python代码调试不选它选谁?

共 2407字,需浏览 5分钟

 ·

2021-03-31 14:21

↑↑↑点击上方蓝字,回复资料,10个G的惊喜

如果调试是Debug的必经之路,那么编程应该将它考虑在内。今天就和大家分享一个代码调试神器——Cyberbrain。



Cyberbrain是一个免费开源的Python代码调试解决方案,它可视化程序执行以及每个变量的变化方式,让程序员免受调试之苦。主要具有以下3个特性:
  • 回溯变量更改

  • 查看程序执行的每个状态,包括变量的值

  • 循环调试


Cyberbrain并不会改变你的工作流程,运行一个程序(从 vscode 或命令行,都可以),一个新的面板将被打开,程序执行情况全部以可视化展示。



Cyberbrain如何安装

Cyberbrain由一个Python库和各种编辑器/ IDE集成组成。当前,它支持VS Code。要安装Cyberbrain:


pip install cyberbrain
code --install-extension laike9m.cyberbrain


你也可以直接从VS Code上安装。


如何使用

假设你想跟踪一个函数foo,只需用@trace以下命令装饰它:


from cyberbrain import trace
# As of now, you can only have one @trace decorator in the whole program.
# We may change this in version 2.0, see https://github.com/laike9m/Cyberbrain/discussions/73
@trace  # Disable tracing with `@trace(disabled=True)`
def foo():
    ...


以下gif演示了工作流程:




使用Cyberbrain,可能有哪些意外

Cyberbrain可能与其他调试器发生冲突。如果设置断点并使用VSC的调试器,则Cyberbrain可能无法正常运行。

如果你打开了多个VS Code窗口,则将始终在第一个窗口中创建跟踪图。
当有多个装饰器时,应将其@trace作为最里面的装饰器。


@app.route("/")
@trace
def hello_world():
    x = [123]
    return "Hello, World!"



赛博大脑——数据流分析和变量跟踪

与其他调试器不同,Cyberbrain可以显示准确的数据流,并且可以在程序的每个状态中持续存在。你不仅不需要记住任何事情,甚至你都不需要逐步执行操作,这样一来就可以节省大量调试时间。

下图是使用Cyberbrain进行调试的方法:



假如你想找出返回值错误的原因。通过查看图表,你已经对导致返回值的原因有了一个大概的了解。

接下来,将鼠标悬停在“返回”节点上,所有相关值都会显示出来,形成从函数开始到结束的跟踪路径:



只要动动鼠标就能找到问题,谁还会去用编译器呢?


目标检查

如果现在有一个大列表,但它无法与图匹配,如何使用工具来检查它的值?devtools可用于检查值,如下所示。



启动后,Cyberbrain会自动打开devtools窗口。将鼠标悬停在变量上时,其值将记录在devtools控制台中。因此,在这种情况下,尽管没有足够的空间在跟踪图中显示整个列表,但是您仍然可以从devtools中检查其值。

几乎所有的Python调试器(PyCharm,VS Code等)都会截取参数,并且无法显示大列表中的每个元素。但是我们相信“细节决定成败”,每条信息可能都是有用的,不应忽略。因此,除非你明确指示,Cyberbrain不会截取参数。


循环

Cyberbrain还有另一个独特的功能,你可以在调试时设置循环计数器。


由于实现非常复杂,因此存在一些已知的错误,不过随着更新,应该会变得更好。




目前,Cyberbrain已经在Github上标星1.5K,累计分支 64 个。(Github地址:https://github.com/laike9m/Cyberbrain

最后,值得一提的是,创建者laike9m毕业于清华大学,谷歌软件工程师,目前全职开发Cyberbrain工具。


来自:开源最前线(ID:OpenSourceTop) 
链接:https://medium.com/analytics-vidhya/cyberbrain-python-debugging-redefined-1db4c47a4d32
也可以加一下老胡的微信
围观朋友圈~~~


推荐阅读

(点击标题可跳转阅读)

我爱线代,线代使我快乐

麻省理工学院计算机课程【中文版】

【清华大学王东老师】现代机器学习技术导论.pdf

机器学习中令你事半功倍的pipeline处理机制

机器学习避坑指南:训练集/测试集分布一致性检查

机器学习深度研究:特征选择中几个重要的统计学概念

老铁,三连支持一下,好吗?↓↓↓


浏览 30
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报