python调用java模块SmartXLS，使用partial改变实例方法

Python 程序能一次写完并正常运行的概率很小，基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单，看看错误信息就知道，有的bug很复杂，

我们需要知道出错时，哪些变量的值是正确的，哪些变量的值是错误的，因此，需要一整套调试程序的手段来修复bug。

Python 标准库中 functools库中有很多对方法很有有操作的封装，partial Objects就是其中之一，他是对方法参数默认值的修改。
下面就看下简单的应用测试。

复制代码代码如下:

!/usr/bin/env python

-- coding: utf-8 --

python2.7x

partial.py

authror: orangleliu

'''
functools 中Partial可以用来改变一个方法默认参数
1 改变原有默认值参数的默认值
2 给原来没有默认值的参数增加默认值
'''
def foo(a,b=0) :
'''
int add'
'''
print a + b

user default argument

foo(1)

change default argument once

foo(1,1)

change function's default argument, and you can use the function with new argument

import functools

foo1 = functools.partial(foo, b=5) #change "b" default argument
foo1(1)

foo2 = functools.partial(foo, a=10) #give "a" default argument
foo2()

'''
foo2 is a partial object,it only has three read-only attributes
i will list them
'''
print foo2.func
print foo2.args
print foo2.keywords
print dir(foo2)

默认情况下partial对象是没有 name doc 属性，使用update_wrapper 从原始方法中添加属性到partial 对象中

print foo2.doc
'''
执行结果：
partial(func, *args, **keywords) - new function with partial application
of the given arguments and keywords.
'''

functools.update_wrapper(foo2, foo)
print foo2.doc
'''
修改为foo的文档信息了
'''
python调用java模块SmartXLS和jpype修改excel文件的方法。分享给大家供大家参考。具体实现方法如下：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

-- coding: utf8 --

"""
使用java的模块SmartXLS和jpype修改excel
和xlrd，xlwt不同的是它可以生成和保持图表
"""
from future import print_function, division
import os
import jpype

os.environ['JAVA_HOME'] = "/usr/lib64/jvm/default-java"

jpype.startJVM(jpype.getDefaultJVMPath(), '-Djava.class.path=SX.jar')
WorkBook = jpype.JClass('com.smartxls.WorkBook')
w = WorkBook()
w.read("b.xls")
w.setNumber(0, 2, 0, 20.0)
w.write("c.xls")

程序能一次写完并正常运行的概率很小，基本不超过1%。总会有各种各样的bug需要修正。有的bug很简单，看看错误信息就知道，有的bug很复杂，我们需要知道出错时，哪些变量的值是正确的，哪些变量的值是错误的，因此，需要一整套调试程序的手段来修复bug。

第一种方法简单直接粗暴有效，就是用print把可能有问题的变量打印出来看看：

?
1
2
3
4
5
6
7
8
9
10

err.py

def foo(s):
n = int(s)
print '>>> n = %d' % n
return 10 / n

def main():
foo('0')

main()
执行后在输出中查找打印的变量值：

?
1
2
3
4
5
$ python err.py

n = 0
Traceback (most recent call last):
...
ZeroDivisionError: integer division or modulo by zero
用print最大的坏处是将来还得删掉它，想想程序里到处都是print，运行结果也会包含很多垃圾信息。所以，我们又有第二种方法。
断言

凡是用print来辅助查看的地方，都可以用断言（assert）来替代：

?
1
2
3
4
5
6
7
8

err.py

def foo(s):
n = int(s)
assert n != 0, 'n is zero!'
return 10 / n

def main():
foo('0')
assert的意思是，表达式n != 0应该是True，否则，后面的代码就会出错。

如果断言失败，assert语句本身就会抛出AssertionError：

?
1
2
3
4
$ python err.py
Traceback (most recent call last):
...
AssertionError: n is zero!
程序中如果到处充斥着assert，和print相比也好不到哪去。不过，启动Python解释器时可以用-O参数来关闭assert：

?
1
2
3
4
$ python -O err.py
Traceback (most recent call last):
...
ZeroDivisionError: integer division or modulo by zero
关闭后，你可以把所有的assert语句当成pass来看。
logging

把print替换为logging是第3种方式，和assert比，logging不会抛出错误，而且可以输出到文件：

?
1
2
3
4
5
6
7

err.py

import logging

s = '0'
n = int(s)
logging.info('n = %d' % n)
print 10 / n
logging.info()就可以输出一段文本。运行，发现除了ZeroDivisionError，没有任何信息。怎么回事？

别急，在import logging之后添加一行配置再试试：

?
1
2
import logging
logging.basicConfig(level=logging.INFO)
看到输出了：

?
1
2
3
4
5
6
$ python err.py
INFO:root:n = 0
Traceback (most recent call last):
File "err.py", line 8, in
print 10 / n
ZeroDivisionError: integer division or modulo by zero
这就是logging的好处，它允许你指定记录信息的级别，有debug，info，warning，error等几个级别，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，你可以放心地输出不同级别的信息，也不用删除，最后统一控制输出哪个级别的信息。

logging的另一个好处是通过简单的配置，一条语句可以同时输出到不同的地方，比如console和文件。
pdb

第4种方式是启动Python的调试器pdb，让程序以单步方式运行，可以随时查看运行状态。我们先准备好程序：

?
1
2
3
4

err.py

s = '0'
n = int(s)
print 10 / n
然后启动：

?
1
2
3
$ python -m pdb err.py

/Users/michael/Github/sicp/err.py(2)()
-> s = '0'
以参数-m pdb启动后，pdb定位到下一步要执行的代码-> s = '0'。输入命令l来查看代码：

?
1
2
3
4
5
6
(Pdb) l
1 # err.py
2 -> s = '0'
3 n = int(s)
4 print 10 / n
[EOF]
输入命令n可以单步执行代码：

?
1
2
3
4
5
6
(Pdb) n

/Users/michael/Github/sicp/err.py(3)()
-> n = int(s)
(Pdb) n
/Users/michael/Github/sicp/err.py(4)()
-> print 10 / n
任何时候都可以输入命令p 变量名来查看变量：

?
1
2
3
4
(Pdb) p s
'0'
(Pdb) p n
0
输入命令q结束调试，退出程序：

?
1
2
3
4
5
(Pdb) n
ZeroDivisionError: 'integer division or modulo by zero'

/Users/michael/Github/sicp/err.py(4)()
-> print 10 / n
(Pdb) q
这种通过pdb在命令行调试的方法理论上是万能的，但实在是太麻烦了，如果有一千行代码，要运行到第999行得敲多少命令啊。还好，我们还有另一种调试方法。
pdb.set_trace()

这个方法也是用pdb，但是不需要单步执行，我们只需要import pdb，然后，在可能出错的地方放一个pdb.set_trace()，就可以设置一个断点：

?
1
2
3
4
5
6
7

err.py

import pdb

s = '0'
n = int(s)
pdb.set_trace() # 运行到这里会自动暂停
print 10 / n
运行代码，程序会自动在pdb.set_trace()暂停并进入pdb调试环境，可以用命令p查看变量，或者用命令c继续运行：

?
1
2
3
4
5
6
7
8
9
10
$ python err.py

/Users/michael/Github/sicp/err.py(7)()
-> print 10 / n
(Pdb) p n
0
(Pdb) c
Traceback (most recent call last):
File "err.py", line 7, in
print 10 / n
ZeroDivisionError: integer division or modulo by zero
这个方式比直接启动pdb单步调试效率要高很多，但也高不到哪去。
IDE

如果要比较爽地设置断点、单步执行，就需要一个支持调试功能的IDE。目前比较好的Python IDE有PyCharm：

http://www.jetbrains.com/pycharm/

另外，Eclipse加上pydev插件也可以调试Python程序。
小结

写程序最痛苦的事情莫过于调试，程序往往会以你意想不到的流程来运行，你期待执行的语句其实根本没有执行，这时候，就需要调试了。

虽然用IDE调试起来比较方便，但是最后你会发现，logging才是终极武器。