Python 代碼編輯器怎么選？PyCharm、VS Code、Jupyter Notebook 都各有特色，Jupyter 適合做數據分析這些需要可視化的操作，PyCharm 更適合做完整的 Python 項目。然而，因為交互式操作，很少會有開發者想到用 Jupyter 做 Debug。

盡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 并沒有太大的需求，但彌補上 Jupyter 缺失的一環，能讓它更好用，未來 Debug 也會作為默認模式。 為什么 Jupyter 需要 Debug？ Jupyter 這種工具雖然有很好的交互性能，但其也明白，對于大型代碼庫，最好還是用傳統的 IDE 比較靠譜。因此為了彌補這一缺陷，Jupyter 項目在過去幾年也希望通過 JupyterLab 來加強對大型代碼庫的處理過程。 然而，JupyterLab 還是有一大缺陷，它不能通過可視化的方式進行 Debug，這限制了進一步的調試。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 可視化 Debugger。 雖然這只是第一版，但目前已經可以設置常見的斷點 Debug，查看各種變量、執行模塊等信息。

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，那么首先你需要為 JupyterLab 裝前端插件：

jupyterlabextensioninstall@jupyterlab/debugger 至于后端 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： condainstallxeus-python-cconda-forge 只要裝好前端與后端，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。 在線 Debug 環境： https://hub.gke.mybinder.org/user/jupyterlab-debugger-hwxovlw4/lab/tree/examples/index.ipynb Xeus-python：第一個支持 Jupyter Debug 的內核 Xeus 是 Jupyter kernel protocol 的 C++實現，它本身并不是一個內核，而是能幫助構建內核的庫。當開發者希望構建 Python、Lua 等擁有 C、C++ API 的語言內核時，它非常有用。 目前已經有一些內核使用 xeus 進行開發，Xeus-python 內核是我們做 Python 開發時可選的一個內核，它去年就已經有發布。Xeus-python 之所以被 Jupyter 團隊選為第一個實現 Debug 的內核，主要是它有以下兩大優勢：

Xeus-python 具有可插拔的并發模型，它允許在不同的線程中運行 Control channel 的處理過程；

Xeus-python 有非常輕量級的代碼庫，因此迭代與更新都非常方便。

短期內，xeus-python 還會有進一步提升的計劃，例如添加 Ipython 魔術方法，優化 xeus-python 的 PyPI 等。 深入至 debugger 的前端架構 JupyterLab 的 debugger 擴展針對用戶對 IDE 的使用習慣提供了通常性功能：

帶有資源管理器的側邊欄，無序列表，源預覽以及允許導航至調用堆棧

可直接在代碼旁（即在代碼單元以及代碼控制臺中）設置斷點的功能

可視化的標記，指示當前執行停止的位置

當使用 Jupyter 筆記本時，執行的狀態保存在內核中。但是如果我們執行了一個 cell，然后又把整個 cell 刪了，那么用戶在 Dubug 的時候希望運行到那些代碼又怎么辦？ 如下動圖所示，該插件支持特定用例，并能在只讀模式下查看以前執行過的 cell。

進入已刪除的單元格

在 JupterLab 中調試代碼控制臺

在 JupyterLab 中調試文件 可以在 notebook 級別上啟用調試，用戶可以在調試 notebook 的同時在另一個 notebook 上工作。

同時調試多個筆記本 可以使用樹狀查看器和表狀查看器檢查變量：

變量瀏覽器 JupyterLab 的 debugger 插件目標是與任何支持調試內核一并使用。通過 Debug Adapter Protocol，debugger 插件可以抽象出針對于特定語言的功能，并為用戶提供匹配的調試界面。 并且團隊計劃在 2020 年對 debugger 的體驗進行重大改進，例如在變量瀏覽器中支持豐富的渲染，在 UI 中支持條件斷點。 VS Code 可視化 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 實時可視化 debug 工具，在此也可以作為參考。以一種更優雅、更簡潔的 debug 方式幫用戶找到代碼問題所在是未來優化的方向之一，而之前所介紹這款可視化 debug 能夠快速展示數據結構。 從效果層面上看此款工具更加驚艷，而且跟以往傳統 debug 方式的展示形式完全不同，比如將斷點設置為第 32 行定義雙向鏈表，隨后一行行運行代碼就會在右圖展現出對應的數據結構圖。

同時也會根據數據結構以不同的方式展現，例如樹形、表格、曲線和圖等。

同時還內置了其他可自定義的可視化調節器，可以根據面對不同的處理對象，可選擇更易于理解的可視化方式。比如圖表可視化，Plotly 可視化，Tree 可視化，網格可視化，文本可視化等等。

Plotly 可視化

AST 可視化 不過這款 VS Code 的 debug 工具開發者正在探討其對 Python 的支持，而對于 Python 的完美支持會使得該項目更加便捷且適用。 而對于 debug 來說，不管最終是采用的是 print（）大法，或是善用 assert 語句，亦或是以直接設置斷點，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

原文標題：神器 jupyter，終于來了！

文章出處：【微信公眾號：人工智能與大數據技術】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq