51工具盒子Watchpoints 是一个简单但功能强大的工具，可以帮助你在调试 Python 时监控变量。
在调试代码时，你经常面临着要弄清楚一个变量何时发生变化。如果没有任何高级工具，那么可以选择使用打印语句在期望它们更改时输出变量。然而，这是一种非常低效的方法，因为变量可能在很多地方发生变化，并且不断地将其打印到终端上会产生很大的干扰，而将它们打印到日志文件中则变得很麻烦。
这是一个常见的问题，但现在有一个简单而强大的工具可以帮助你监控变量：watchpoints。
"监视点"的概念在 C 和 C++ 调试器中很常见，用于监控内存，但在 Python 中缺乏相应的工具。watchpoints 填补了这个空白。
安装 {#%E5%AE%89%E8%A3%85}
要使用它，你必须先用 pip 安装它：
$ python3 -m pip install watchpoints
在Python中使用 watchpoints {#%E5%9C%A8python%E4%B8%AD%E4%BD%BF%E7%94%A8-watchpoints}
对于任何一个你想监控的变量，使用 watch 函数对其进行监控。
from watchpoints import watch
`a = 0
watch(a)
a = 1
`
当变量发生变化时，它的值就会被打印到标准输出：
====== Watchpoints Triggered ======
`Call Stack (most recent call last):
<module> (my_script.py:5):
> a = 1
a:
0
->
1
`
信息包括：
- 变量被改变的行。
- 调用栈。
- 变量的先前值/当前值。
它不仅适用于变量本身，也适用于对象的变化：
from watchpoints import watch
`a = []
watch(a)
a = {} # 触发
a["a"] = 2 # 触发
`
当变量 a 被重新分配时，回调会被触发，同时当分配给 a 的对象发生变化时也会被触发。
更有趣的是，监控不受作用域的限制。你可以在任何地方观察变量/对象，而且无论程序在执行什么函数，回调都会被触发。
from watchpoints import watch
def func(var):
var["a"] = 1
a = {} watch(a) func(a)
例如，这段代码打印出：
====== Watchpoints Triggered ======
Call Stack (most recent call last):
<module> (my_script.py:8): > func(a) func (my_script.py:4): > var["a"] = 1 a: {} -> {'a': 1}
watch 函数不仅可以监视一个变量，它也可以监视一个字典或列表的属性和元素。
from watchpoints import watch
class MyObj:
def init(self):
self.a = 0
obj = MyObj() d = {"a": 0} watch(obj.a, d["a"]) # 是的，你可以这样做 obj.a = 1 # 触发 d["a"] = 1 # 触发
这可以帮助你缩小到一些你感兴趣的特定对象。
如果你对输出格式不满意，你可以自定义它。只需定义你自己的回调函数：
watch(a, callback=my_callback)
或者全局设置
watch.config(callback=my_callback)
当触发时，你甚至可以使用 pdb：
watch.config(pdb=True)
这与 breakpoint() 的行为类似，会给你带来类似调试器的体验。
如果你不想在每个文件中都导入这个函数，你可以通过 install 函数使其成为全局：
watch.install() # 或 watch.install("func_name") ，然后以 func_name() 方式使用
我个人认为，watchpoints 最酷的地方就是使用直观。你对一些数据感兴趣吗？只要"观察"它，你就会知道你的变量何时发生变化。
尝试 watchpoints {#%E5%B0%9D%E8%AF%95-watchpoints}
我在 GitHub 上开发维护了 watchpoints，并在 Apache 2.0 许可下发布了它。安装并使用它，当然也欢迎大家做出贡献。
via: https://opensource.com/article/21/4/monitor-debug-python
