神器 Jupyter，終於來了！

以後 jupyter 也能做視覺化 debug，jupyter 團隊發布第乙個 debug 外掛程式與核心。

python **編輯器怎麼選？pycharm、vs code、jupyter notebook 都各有特色，jupyter 適合做資料分析這些需要視覺化的操作，pycharm 更適合做完整的 python 專案。然而，因為互動式操作，很少會有開發者想到用 jupyter 做 debug。

儘管很多讀者可能認為 jupyter 用來做展示和小型試驗就足夠了，debug 並沒有太大的需求，但彌補上 jupyter 缺失的一環，能讓它更好用，未來 debug 也會作為預設模式。

為什麼 jupyter 需要 debug？

jupyter 這種工具雖然有很好的互動性能，但其也明白，對於大型**庫，最好還是用傳統的 ide 比較靠譜。因此為了彌補這一缺陷，jupyter 專案在過去幾年也希望通過 jupyterlab 來加強對大型**庫的處理過程。

然而，jupyterlab 還是有一大缺陷，它不能通過視覺化的方式進行 debug，這限制了進一步的除錯。這幾天，jupyter 團隊表示，經過幾個月的開發，他們很高興能第一次發布 jupyter 視覺化 debugger。

雖然這只是第一版，但目前已經可以設定常見的斷點 debug，檢視各種變數、執行模組等資訊。

新工具的用法也很簡單，很常見的 debug 方式差不多。如果讀者想要安裝這個新工具，那麼首先你需要為 jupyterlab 裝前端外掛程式：

jupyter labextension install @jupyterlab/debugger

至於後端 kernel，jupyter 團隊表示目前 kernel 需要實現 jupyter debug protocol，因此暫時只能用xeus-python：

conda install xeus-python -c conda-forge

只要裝好前端與後端，我們就可以直接使用了。開發者還提供了 debug 的線上體驗版，不需要安裝任何東西就能體驗。

xeus-python：第乙個支援 jupyter debug 的核心

xeus 是 jupyter kernel protocol 的 c++實現，它本身並不是乙個核心，而是能幫助構建核心的庫。當開發者希望構建 python、lua 等擁有 c、c++ api 的語言核心時，它非常有用。

目前已經有一些核心使用 xeus 進行開發，xeus-python 核心是我們做 python 開發時可選的乙個核心，它去年就已經有發布。xeus-python 之所以被 jupyter 團隊選為第乙個實現 debug 的核心，主要是它有以下兩大優勢：

短期內，xeus-python 還會有進一步提公升的計畫，例如新增 ipython 魔術方法，優化 xeus-python 的 pypi 等。

深入至 debugger 的前端架構

jupyterlab 的 debugger 擴充套件針對使用者對 ide 的使用習慣提供了通常性功能：

當使用 jupyter 筆記本時，執行的狀態儲存在核心中。但是如果我們執行了乙個 cell，然後又把整個 cell 刪了，那麼使用者在 dubug 的時候希望執行到那些**又怎麼辦？

如下**所示，該外掛程式支援特定用例，並能在唯讀模式下檢視以前執行過的 cell。

進入已刪除的單元格

在 jupterlab 中除錯**控制台

在 jupyterlab 中除錯檔案

可以在 notebook 級別上啟用除錯，使用者可以在除錯 notebook 的同時在另乙個 notebook 上工作。

同時除錯多個筆記本

可以使用樹狀檢視器和錶狀檢視器檢查變數：

變數瀏覽器

jupyterlab 的 debugger 外掛程式目標是與任何支援除錯核心一併使用。通過 debug adapter protocol，debugger 外掛程式可以抽象出針對於特定語言的功能，並為使用者提供匹配的除錯介面。

並且團隊計畫在 2020 年對 debugger 的體驗進行重大改進，例如在變數瀏覽器中支援豐富的渲染，在 ui 中支援條件斷點。

vs code 視覺化 debug 工具

debug 是條漫漫長路，不久前機器之心也介紹過一款 vs code 實時視覺化 debug 工具，在此也可以作為參考。以一種更優雅、更簡潔的 debug 方式幫使用者找到**問題所在是未來優化的方向之一，而之前所介紹這款視覺化 debug 能夠快速展示資料結構。

從效果層面上看此款工具更加驚豔，而且跟以往傳統 debug 方式的展示形式完全不同，比如將斷點設定為第 32 行定義雙向鍊錶，隨後一行行執行**就會在右圖展現出對應的資料結構圖。

同時也會根據資料結構以不同的方式展現，例如樹形、**、曲線和圖等。

同時還內建了其他可自定義的視覺化調節器，可以根據面對不同的處理物件，可選擇更易於理解的視覺化方式。比如圖表視覺化，plotly 視覺化，tree 視覺化，網格視覺化，文字視覺化等等。

plotly 視覺化

ast 視覺化

不過這款 vs code 的 debug 工具開發者正在**其對 python 的支援，而對於 python 的完美支援會使得該專案更加便捷且適用。

而對於 debug 來說，不管最終是採用的是 print（）**，或是善用 assert 語句，亦或是以直接設定斷點，包括各種新推出的 debug 工具。單從輔助工具角度層面看，只要它能夠提高工作效率，不管是哪款 debug 工具，找到適合你的那便是值得一試。