人人都会AI编程

2.3 开发工具与调试

更新时间：2026-07-12

写 Python 代码，理论上一个记事本就能开始，但要想写得快、排错准、查资料顺手，配置一套趁手的开发工具是必经之路。这一节介绍最主流的两款 IDE / 编辑器（VS Code 和 PyCharm），以及 Python 交互式环境的三种常用形态。

VS Code：轻量全能编辑器

VS Code 是目前使用率最高的代码编辑器之一，安装 Python 扩展后就是一套功能齐全的 Python 开发环境。

  • 安装与配置：
  1. 从官网下载安装 VS Code。
  2. 在扩展市场搜索 “Python”（发布方 Microsoft），点击安装。
  3. 打开一个 .py 文件或 Python 项目文件夹，VS Code 会提示选择 Python 解释器（可以是系统安装的，也可以是虚拟环境里的），也可以按 Ctrl+Shift+P 输入 “Python: Select Interpreter” 手动选择。
  • 日常使用：
  • 编写代码时有智能提示、自动补全、参数提示。
  • 保存文件时可自动按 PEP 8 格式化（需要安装 Black 或 autopep8 并配置）。
  • 左侧“运行和调试”面板或按 F5 启动调试，可设置断点、单步执行、查看变量。
  • 内置终端可直接运行脚本，或使用 Ctrl+ 打开。
  • 适用场景：轻量级项目、前后端全栈、需要频繁切换多种语言的开发者。

PyCharm：专业全功能 IDE

PyCharm 是 JetBrains 公司出品的 Python 专用 IDE，有免费的社区版和收费的专业版。

  • 安装与配置：
  1. 从 JetBrains 官网下载 PyCharm 社区版（学习和小型项目足够）安装。
  2. 首次打开项目时，PyCharm 会自动检测已有 Python 解释器或创建虚拟环境，也可以在设置中手动配置。
  • 日常使用：
  • 代码补全和错误提示比 VS Code 更深入，能自动检测不符合类型提示的调用。
  • 内置完整的调试器，断点、条件断点、变量监控、调用栈一目了然。
  • 自带测试运行器，可一键运行 pytest 或 unittest 用例。
  • 内置数据库工具（专业版功能），可直连 MySQL、PostgreSQL 等。
  • 自动生成 UML 图、重构（重命名、提取方法）功能强大。
  • 适用场景：大型 Python 项目，需要深度代码分析与重构，或者习惯了 JetBrains 全家桶的开发者。

选型建议：日常脚本和小项目，VS Code 启动快、资源占用小，足够应对；规模较大、模块众多的项目，PyCharm 的代码导航和重构能力能明显提升效率。

交互式解释器

Python 自带的交互式解释器是最直接的“对话式”编程方式。在终端输入 python（或 python3）回车后，出现 >>> 提示符即可逐行输入代码并立即得到结果。

  • 用途：快速验证一个函数用法、测试一个正则表达式、随手做个数学运算。因为所见即所得，调试或学习时特别方便。
  • 局限：不支持代码补全，历史命令导航不如专业环境，不适合写长篇代码。

IPython：增强型交互解释器

IPython 是 Python 交互式解释器的“豪华升级版”，也是 Jupyter 的内核。

  • 安装：pip install ipython
  • 启动：终端输入 ipython
  • 特色功能：
  • Tab 键自动补全（变量名、函数名、文件路径都行）。
  • ? 查看对象文档（如 len?），?? 查看源码。
  • 支持魔法命令：%timeit sum(range(1000)) 测量语句执行时间；%run script.py 运行外部脚本并把变量载入当前命名空间；%history 查看历史命令。
  • 语法高亮、支持多行编辑、代码输出结果自动保存。
  • 适用场景：数据探索、临时测试、调试时查看中间变量，是使用 Python 最频繁的交互环境之一。

Jupyter Notebook / Jupyter Lab：交互式文档

Jupyter Notebook 将代码、说明文本（支持 Markdown 和公式）、图表、输出结果全部整合在一个“笔记”里，支持分块（Cell）执行。

  • 安装：pip install jupyterlab（推荐 JupyterLab，比经典 Notebook 界面更现代）
  • 启动：终端 jupyter lab，浏览器会自动打开工作界面。
  • 核心用法：
  • 新建一个 Notebook（.ipynb 文件），在代码单元格写 Python 代码，Shift+Enter 执行并显示结果。
  • 可以随时插入 Markdown 单元格写文档，最后导出为 HTML、PDF 或 Python 脚本。
  • 支持内联绘图（Matplotlib 图表直接显示在 Notebook 内）。
  • 典型场景：数据分析报告、机器学习实验记录、教学示例、代码与文档并存的演示。很多数据科学岗位的日常工作就是“开 Notebook → 写代码探索 → 出图 → 记录结论”。

调试技巧：无论用哪种工具，通用的调试思路是：

  1. 先用 print() 或 logging 输出关键变量，快速定位异常区域。
  2. 再用断点调试：VS Code / PyCharm 均可设置断点，程序运行到断点会暂停，此时可以查看所有变量值、单步执行、逐层进入函数，步步紧追问题根源。
  3. 对于复杂逻辑，可以在 IPython 里 %run -d script.py 启动调试器，在关键位置设置断点。

掌握这些工具和基本调试流程，你就可以在编码、实验、排错之间高效切换，不用在细节上浪费过多时间。