Python调试需深入理解执行模型：帧对象构成调用栈，sys.settrace支持行级监控，breakpoint()通过可配置钩子协同pdb，异步、装饰器、多进程等场景需针对性绕过方案。
Python调试不是只会用print()或断点就完事，关键在于理解解释器如何执行代码、异常如何传播、帧对象怎么工作，以及sys.settrace、breakpoint()、pdb底层怎么协同。掌握这些，才能在复杂异步、多线程、装饰器嵌套场景中快速定位问题。
理解Python执行模型：帧（frame）与调用栈
每次函数调用都会创建一个frame对象，它保存局部变量、代码对象、上一帧引用等信息。整个调用过程形成帧链表——这就是你用pdb输入where看到的堆栈来源。
- 可通过
inspect.currentframe()获取当前帧，frame.f_back向上追溯 - 帧对象的
f_locals是动态可写的，调试时可直接修改变量值（如pdb中执行!x=100） - 异常触发时，
sys.exc_info()返回的traceback对象本质就是帧链表的快照
深入breakpoint()与sys.breakpointhook
Python 3.7+ 的breakpoint()不是简单调用pdb.set_trace()，而是通过可配置的钩子机制启动调试器。
- 默认行为由
sys.breakpointhook控制，可全局替换为ipdb.set_trace或remote_pdb - 支持环境变量
PYTHONBREAKPOINT=ipdb.set_trace一键切换调试器 - 自定义钩子示例：
sys.breakpointhook = lambda *a, **k: print("Break here!") or pdb.set_trace()
实战：用sys.settrace实现轻量级行级监控
不依赖IDE，也能在运行时动态注入调试逻辑。比如记录某函数内所有变量变更、捕获特定行的异常上下文。
立即学习“Python免费学习笔记（深入）”；
-
sys.settrace(trace_func)会为每个代码行/调用/返回/异常事件触发回调 -
trace_func(frame, event, arg)中，event为"line"/"call"/"return"/"exception" - 实用技巧：只对目标模块启用trace，避免全局性能损耗；用
frame.f_code.co_filename过滤文件
常见陷阱与绕过方案
有些场景会让标准调试器“失灵”，需提前识别并准备替代路径：
-
异步协程中无法单步进入
await后代码 → 改用asyncio.set_event_loop_policy()配合trio或curio调试器，或在await前后加breakpoint() -
装饰器（尤其是
@lru_cache）掩盖原始函数帧 → 用functools.wraps确保__wrapped__可访问，或调试时临时禁用缓存 -
多进程子进程中
breakpoint()阻塞父进程 → 改用logging.debug()+os.getpid()标记，或启用remote_pdb连接子进程
