测试与调试

代码能运行不等于正确。测试验证预期行为，调试定位异常根因，两者结合才能构建可靠的系统。Python 提供了从简单断言到专业框架的多层次测试工具，以及从打印变量到交互式调试器的多种调试手段。

assert 语句

assert expression [, message] 在 expression 为假时抛出 AssertionError。它主要用于开发和测试阶段验证内部不变量，不应替代正式的数据校验或错误处理：

def divide(a, b):
    assert isinstance(a, (int, float)) and isinstance(b, (int, float)), "参数必须是数字"
    assert b != 0, "除数不能为零"
    return a / b

print(divide(10, 2))   # 5.0
# divide(10, "2")      # AssertionError: 参数必须是数字
# divide(10, 0)        # AssertionError: 除数不能为零

关键性质：当 Python 以优化模式运行（python -O 或 python -OO）时，所有 assert 语句会被完全移除，不会执行也不会报错。因此绝不能用 assert 检查用户输入、文件存在性或安全边界：

# ❌ 错误：优化模式下 assert 消失，文件不存在也不会报错
assert os.path.exists("config.json")
config = json.load(open("config.json"))

# ✅ 正确：用常规异常处理
if not os.path.exists("config.json"):
    raise FileNotFoundError("config.json 不存在")

__debug__ 是一个内置常量，在正常情况下为 True，在优化模式下为 False。可以基于它编写仅在调试时执行的代码：

if __debug__:
    print("调试模式：加载详细日志配置")

doctest：文档即测试

doctest 从文档字符串中提取交互式会话示例并执行验证，确保文档与代码同步。它特别适合测试纯函数和工具函数：

def calc_bonus(salary: float, years: int) -> float:
    """
    根据工龄计算年终奖。

    工龄满 5 年发 2 倍月薪，不满发 0.5 倍。

    >>> calc_bonus(10000.0, 6)
    20000.0
    >>> calc_bonus(10000.0, 3)
    5000.0
    >>> calc_bonus(8000.0, 5)
    16000.0
    """
    if years >= 5:
        return salary * 2
    return salary * 0.5

命令行运行 doctest：

python -m doctest -v your_module.py   # -v 显示详细输出

Doctest 支持指令（directives）控制测试行为，写在 >>> 行末尾的 # doctest: 之后：

def get_timestamp():
    """
    返回当前时间戳。

    >>> import time
    >>> t = get_timestamp()
    >>> isinstance(t, float)  # 只要类型对即可
    True
    >>> print(t)  # doctest: +ELLIPSIS
    1717...
    """
    return time.time()

def random_choice(items):
    """
    随机选择一项。

    >>> random_choice([1, 2, 3]) in [1, 2, 3]  # doctest: +SKIP
    True
    """
    import random
    return random.choice(items)

常用指令包括 +ELLIPSIS（允许 ... 匹配任意输出）、+SKIP（跳过该测试）、+NORMALIZE_WHITESPACE（忽略空白差异）。Doctest 的局限在于不适合测试复杂状态、外部依赖和异常场景。

unittest 框架

unittest 是 Python 标准库中的 xUnit 风格测试框架，基于 TestCase 类组织测试。它无需安装，适合中大型项目和 CI/CD 集成：

import unittest
from datetime import datetime

class Employee:
    def __init__(self, name: str, salary: float, join_year: int):
        self.name = name
        self.salary = salary
        self.join_year = join_year

    def years_of_service(self) -> int:
        return datetime.now().year - self.join_year

    def annual_bonus(self) -> float:
        return self.salary * 2 if self.years_of_service() >= 5 else self.salary * 0.5

class TestEmployee(unittest.TestCase):
    def setUp(self):
        """每个测试方法执行前运行，初始化共享资源"""
        self.senior = Employee("翼王", 232000.0, 2015)
        self.junior = Employee("航仔", 18888.0, 2023)

    def tearDown(self):
        """每个测试方法执行后运行，清理资源"""
        pass

    def test_years_of_service(self):
        self.assertGreaterEqual(self.senior.years_of_service(), 5)
        self.assertEqual(self.junior.years_of_service(), 1)

    def test_annual_bonus_senior(self):
        self.assertEqual(self.senior.annual_bonus(), 232000.0 * 2)

    def test_annual_bonus_junior(self):
        self.assertEqual(self.junior.annual_bonus(), 18888.0 * 0.5)

    def test_invalid_salary(self):
        with self.assertRaises(TypeError):
            Employee("测试", "不是数字", 2020)

    @unittest.skip("功能尚未实现")
    def test_promotion(self):
        pass

    @unittest.expectedFailure
    def test_bug_demo(self):
        """已知失败的测试，修复后应移除装饰器"""
        self.assertEqual(1, 2)

if __name__ == "__main__":
    unittest.main()

unittest 提供丰富的断言方法：assertEqual、assertTrue、assertFalse、assertIsNone、assertIn、assertIsInstance、assertRaises（上下文管理器形式可捕获异常实例）。setUp/tearDown 支持测试级别的资源管理，类级别的 setUpClass/tearDownClass（配合 @classmethod）用于昂贵的全局资源（如数据库连接）。

测试发现功能允许批量运行：

python -m unittest discover -s tests -p "test_*.py" -v

pdb 调试器

pdb 是 Python 内置的交互式源码调试器。Python 3.7+ 推荐使用内置函数 breakpoint() 进入调试，它默认调用 pdb.set_trace()，但可通过 PYTHONBREAKPOINT 环境变量切换为其他调试器（如 ipdb、pudb）：

def process_payroll(employees):
    total = 0.0
    for emp in employees:
        breakpoint()  # 程序暂停，进入 pdb 交互
        total += emp["salary"]
    return total

staff = [
    {"name": "航仔", "salary": 18888.0},
    {"name": "翼王", "salary": 232000.0},
]
# process_payroll(staff)

进入 pdb 后常用的命令：

命令	作用
`n` (next)	执行下一行，不进入函数内部
`s` (step)	进入函数调用内部
`c` (continue)	继续运行到下一个断点或结束
`l` (list)	显示当前位置附近的源码
`p <expr>`	打印表达式值
`pp <expr>`	美化打印（适合字典和列表）
`b <line>`	在指定行设置断点
`q` (quit)	退出调试器，终止程序

事后调试（post-mortem）在程序崩溃后进入调试状态，查看栈帧和变量：

import pdb
import sys

def buggy():
    return 1 / 0

try:
    buggy()
except Exception:
    pdb.post_mortem(sys.exc_info()[2])  # 在异常发生处进入调试

print 调试与日志

在不便使用 pdb 的场景（如生产环境、多线程程序），打印变量是快速定位问题的手段。使用 repr() 或 !r 转换可以暴露字符串的引号和转义字符，避免空白字符造成的误导：

name = "航仔\n"
print(f"name={name}")        # 换行被直接输出，难以察觉
print(f"name={name!r}")      # name='航仔\n' —— 转义可见
print(f"salary={salary:.2f}")  # 格式化数字，保留两位小数

对于长期运行的程序，应使用 logging 模块替代 print。logging 支持分级输出、多目标（文件/控制台/网络）、格式化字符串和运行时级别控制：

import logging

# 基础配置（通常在程序入口执行一次）
logging.basicConfig(
    level=logging.DEBUG,
    format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S",
    handlers=[
        logging.FileHandler("app.log", encoding="utf-8"),
        logging.StreamHandler()
    ]
)

logger = logging.getLogger("hr_system")

def update_salary(emp_name: str, new_salary: float):
    logger.info("开始更新 %s 的工资", emp_name)
    if new_salary < 2300:
        logger.warning("%s 的工资 %.2f 低于最低标准", emp_name, new_salary)
    try:
        # ... 数据库操作 ...
        logger.info("%s 工资更新成功", emp_name)
    except Exception:
        logger.exception("%s 工资更新失败", emp_name)  # 自动记录异常栈

日志级别从低到高为 DEBUG < INFO < WARNING < ERROR < CRITICAL。设置 level=logging.INFO 后，DEBUG 级别的消息不会输出。logger.exception() 在 ERROR 级别记录消息的同时自动附加异常 traceback，是捕获异常时的首选方法。

生产环境建议：不要依赖 basicConfig 的默认设置，应显式配置 FileHandler（按大小或日期轮转）和 Formatter，并通过配置文件或环境变量控制日志级别，避免重启服务修改代码。