75. 通过repr字符串输出调试信息

通常print()打印的时候，默认是调用类中的repr方法的，如果想要观察具体信息，可以自己修改类中的该方法。如果这个类不受控制，可以打印类.dict查看属性和值，dir(类)看方法，这两个里面的“类”应该也可以换成具体对象

class A:
    y = 2
    def __init__(self):
        self.x = 1
a = A()
print(dir(a))
print(dir(A))
print(a.__dict__)
print(A.__dict__)

76. 在TestCase子类里验证相关的行为

在Python中编写测试的最经典办法是使用内置的unittest模块。以下为测试utils模块中to_str方法，其中一项测试用例失败，并不影响系统继续执行TestCase子类里的其他test方法，所以我们最后能够看到总的结果，知道其中有多少项测试用例成功，多少项失败，而不是只要遇到测试用例失败，就立刻停止整套测试。
定义的测试方法需要以test开头，不用于测试的辅助方法不要以test开头，assertEqual测试结果是否相等，assertRaise测试抛出的异常是否一致，


TestCase类还提供了subTest辅助方法，可以让我们把相似的用例全都写在同一个test方法中，让它们成为这个用例中的子用例，这样的话，每个子用例所共用的那部分代码与逻辑只需要写一次就行。

77. 把测试前、后的准备与清理逻辑写在setUp、tearDown、setUp-Module与tearDownModule中，以防用例之间互相干扰

TestCase子类在执行其中的每个test方法之前，经常需要先把测试环境准备好，即测试这些方法的前置条件或环境，可以在TestCase子类中覆写setUp与tearDown方法，并把相应的准备逻辑与清理逻辑写在里面。系统在执行每个test方法之前都会先调用一遍setUp方法，并在执行完test方法之后调用一遍tearDown方法。
比如可以把创建临时目录放在setUp中，测试完后，用tearDown删除临时目录
当程序变复杂后，单纯的单元测试可能就不够了，需要集成测试，可以使用mock等工具，对于集成测试来说，测试环境的准备与清理工作可能要占用大量计算资源，并持续比较长的时间，这时采用setUp和tearDown可能就不够了。可以使用setUpModule和tearDownModule，高成本资源只需要在这些模块中初始化一次就好，下面的代码可以看出setUpModule和tearDownModule只执行一次就行。

78. 用Mock来模拟受测代码所依赖的复杂函数

测试的时候，一些复杂逻辑很难从开发环境真实获取或者使用起来很慢，这样的逻辑可以用mock函数和mock类来模拟。mock可以模拟数据库行为，这样测试的时候就不需要实实在在的连接数据库了，当然mock还能模拟抛出异常等其他行为

79. 把受测代码所依赖的系统封装起来，以便于模拟和测试

之前用mock来模拟某个函数或方法，因此mock中的spec属性设置为方法名，调用时就和调用方法一样，而遇到这种复杂测试的事后，代码往往相对复杂，且需要编写很多实例，导致初次阅读代码的人会感到难以理解。可以将这些测试函数封装到类里面，然后令spec=classname，这样在调用里面的方法就和对象调用的方式一样，用点方法名调用。

80. 考虑用pdb做交互调试

通过print或单元测试来测试所编写的代码无法发现所有错误，Python内置的交互调试器（interactive debugger）就是一种强大的工具，它可以检查程序状态，打印局部变量的值，还可以每次只执行一条Python语句（也就是单步执行）。
在其他大部分编程语言中，如果要使用调试器，那么必须先在源文件中指定断点，令程序在执行到这一行时停下来。然而Python不用这样，你可以直接在认为有问题的那行代码前加入一条指令，让程序暂停，并启动调试器，这是最简单的办法。采用这种办法来调试程序，与正常启动程序并没有什么区别。
where：打印出当前的执行调用栈（execution call stack），可以据此判断程序当前执行到了哪个位置，以及程序是在调用了哪些函数后才触发breakpoint断点的。
up：把观察点沿着执行调用栈上移一层，回到当前函数调用者处，以观察位于当前断点之上的那些层面分别有什么样的局部变量。
down：把观察点沿着执行调用栈下移一层。检查完程序的运行状态后，可以通过下面这五条命令决定程序接下来应该如何执行：
step：执行程序里的下一行代码，并在执行完毕后把控制权交还给调试器。如果下一行代码带有函数调用操作，那么调试器就会停在受调用的那个函数开头。
next：执行当前函数的下一行代码，并在执行完毕后，返回交互调试界面。如果下一行代码带有函数调用操作，系统不会令调试器停在受调用的函数开头。
return：让程序一直运行到当前函数返回为止，然后把控制权交还给调试器。
continue：让程序运行到下一个断点处（那个断点可以是通过breakpoint触发的，也可以是在调试界面里设置的）。
quit：退出调试界面，并且让接受调试的程序也随之终止。如果已经找到了问题，那么就可以用这个命令结束调试。如果发现寻找的方向不对，或者需要先去修改程序的代码，那么也应该运行这个命令以便重新调试。
python3 -m pdb -c continue 为事后检验，即当程序出现错误或到达端点后进入调试

81. 用tracemalloc来掌握内存的使用与泄漏情况

可能会有程序没有及时释放不再引用的数据而导致内存耗尽。
可以采用gc模块把垃圾回收器目前知道的对象都列出来，gc.get_objects函数的缺点在于，它并没有指出这些对象究竟要如何分配。在比较复杂的程序中，同一个类的对象可能是因为好几种不同的原因而为系统所分配的。知道对象的总数固然有意义，但更为重要的是找到分配这些对象的具体代码，这样才能查清内存泄漏的原因。

import gc
print(len(gc.get_objects()))
a = list(range(100))
print(len(gc.get_objects()))
for i in gc.get_objects()[:3]:
    print(i)

tracemalloc可以解决gc的缺点，他能追溯对象到分配他的位置，下面的代码，可以查看到当前文件下第8行，即变量a所占用的内存size和变量数count，可以利用traceback打印栈追踪信息。

import gc
import tracemalloc
tracemalloc.start(10)
snap1 = tracemalloc.take_snapshot()
a = [1] * 100
snap2 = tracemalloc.take_snapshot()
diff = snap2.compare_to(snap1, 'lineno')
print(diff[0])
print('\n'.join(diff[0].traceback.format()))