程序能一次写完并正常运行的概率很小，基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单，看看错误信息就知道，有的bug很复杂，我们需要知道出错时，哪些变量的值是正确的，哪些变量的值是错误的，因此，需要一整套调试程序的手段来修复bug。
法一：用print() 函数，把可能有问题的变量打印出来看
1 def foo(s):
2 n = int(s)
3 print(‘>>> n = %d‘ % n)
4 return 10 / n
5
6 def main():
7 foo(‘0‘)
8
9 main()
执行后在输出中查找打印的变量值
1 $ python err.py
2 >>> n = 0
3 Traceback (most recent call last):
4 ...
5 ZeroDivisionError: integer division or modulo by zero
用print()最大的坏处是将来还得删掉它，想想程序里到处都是print()，运行结果也会包含很多垃圾信息。
法二：断言（凡是用print()来辅助查看的地方，都可以用断言（assert）来替代）
1 def foo(s):
2 n = int(s)
3 assert n != 0, ‘n is zero!‘
4 return 10 / n
5
6 def main():
7 foo(‘0‘)
assert的意思是，表达式n != 0应该是True，否则，根据程序运行的逻辑，后面的代码肯定会出错。
如果断言失败，assert语句本身就会抛出AssertionError
1 $ python err.py
2 Traceback (most recent call last):
3 ...
4 AssertionError: n is zero!
程序中如果到处充斥着assert，和print()相比也好不到哪去。不过，启动Python解释器时可以用-O参数来关闭assert：
1 $ python -O err.py
2 Traceback (most recent call last):
3 ...
4 ZeroDivisionError: division by zero
关闭后，你可以把所有的assert语句当成pass来看。
法三：logging
和assert比，logging不会抛出错误，而且可以输出到文件
1 import logging
2 logging.basicConfig(level=logging.INFO)
3
4 s = ‘0‘
5 n = int(s)
6 logging.info(‘n = %d‘ % n)
7 print(10 / n)
输出为：
1 $ python err.py
2 INFO:root:n = 0
3 Traceback (most recent call last):
4 File "err.py", line 8, in <module>
5 print(10 / n)
6 ZeroDivisionError: division by zero
这就是logging的好处，它允许你指定记录信息的级别，有debug，info，warning，error等几个级别，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，你可以放心地输出不同级别的信息，也不用删除，最后统一控制输出哪个级别的信息。
法四：pdb（启动Python的调试器pdb，让程序以单步方式运行，可以随时查看运行状态。）
程序代码为：
1 s = ‘0‘
2 n = int(s)
3 print(10 / n)
然后启动：
1 $ python -m pdb err.py
2 > /Users/michael/Github/learn-python3/samples/debug/err.py(2)<module>()
3 -> s = ‘0‘
以参数-m pdb启动后，pdb定位到下一步要执行的代码-> s = ‘0‘。输入命令l来查看代码
1 (Pdb) l
2 1 # err.py
3 2 -> s = ‘0‘
4 3 n = int(s)
5 4 print(10 / n)
输入命令n可以单步执行代码
1 (Pdb) n
2 > /Users/michael/Github/learn-python3/samples/debug/err.py(3)<module>()
3 -> n = int(s)
4 (Pdb) n
5 > /Users/michael/Github/learn-python3/samples/debug/err.py(4)<module>()
6 -> print(10 / n)
任何时候都可以输入命令p 变量名来查看变量
1 (Pdb) p s
2 ‘0‘
3 (Pdb) p n
4 0
输入命令q结束调试，退出程序
1 (Pdb) q
这种通过pdb在命令行调试的方法理论上是万能的，但实在是太麻烦了，如果有一千行代码，要运行到第999行得敲多少命令啊。
法五： pdb.set_trace()（这个方法也是用pdb，但是不需要单步执行，我们只需要import pdb，然后，在可能出错的地方放一个pdb.set_trace()，就可以设置一个断点）
1 # err.py
2 import pdb
3
4 s = ‘0‘
5 n = int(s)
6 pdb.set_trace() # 运行到这里会自动暂停
7 print(10 / n)
运行代码，程序会自动在pdb.set_trace()暂停并进入pdb调试环境，可以用命令p查看变量，或者用命令c继续运行
1 $ python err.py
2 > /Users/michael/Github/learn-python3/samples/debug/err.py(7)<module>()
3 -> print(10 / n)
4 (Pdb) p n
5 0
6 (Pdb) c
7 Traceback (most recent call last):
8 File "err.py", line 7, in <module>
9 print(10 / n)
10 ZeroDivisionError: division by zero
这个方式比直接启动pdb单步调试效率要高很多，但也高不到哪去。
法六：IDE
如果要比较爽地设置断点、单步执行，就需要一个支持调试功能的IDE。目前比较好的Python IDE有：
Visual Studio Code：https://code.visualstudio.com/，需要安装Python插件。
PyCharm：http://www.jetbrains.com/pycharm/
另外，Eclipse加上pydev插件也可以调试Python程序。