在线运行的代码报错怎么看？六种语言的读法

#先分清错误来自哪一层

在线运行环境里的失败分三层：编译错误、运行错误、环境限制。三层的原因和改法完全不同，混在一起读只会越改越乱。

这六种语言的分层方式还不一样：编译型语言有独立的编译阶段，Python 和 Shell 直接进入运行，而 Python 又是唯一在浏览器本地跑的。

#Python：本地运行，报错最接近你熟悉的样子

Python 在这套工具里由 Pyodide（编译成 WebAssembly 的 CPython）跑在浏览器里，代码不上传，所以报错就是标准的 Python traceback。 首次要下载十几 MB 的运行时，之后走缓存。

它有两个和本地环境不同、但很容易被当成 bug 的差异：

• 没有标准输入：Pyodide 没有绑定 stdin，input() 会直接抛错。要演示交互式程序，把输入写成代码里的常量
• 第三方包有限：只支持 Pyodide 预编译过的那部分，标准库完整，numpy 这类常见库多半可用。报 ModuleNotFoundError 基本都是这一类，不是你写错了

因为执行用的是 runPythonAsync，顶层可以直接写 await，不需要自己套事件循环。标准输出与标准错误合并按顺序显示，不会像本地终端那样分成两股。

用 Python 在线运行 时如果确实需要 stdin，换 C++、Java、Go 或 Shell 那几个工具 —— 它们有输入框。

#编译型语言：编译不过就没有运行输出

C++、Java、Go 的执行都要先编译，编译失败时你看到的是编译器的话，程序一次都没跑过。 这条听起来 trivial，但它是「为什么什么都没输出」最常见的答案。

这几个工具走的是本站自建的执行网关 run.dsjson.com，网关不可用时自动回退到备份服务。代码会离开浏览器，所以不要放密码、密钥或内部地址。

一个容易误判的地方是耗时：状态栏显示的是从发请求到拿到结果的往返时间，包含远端排队与编译，所以几百毫秒到几秒都正常，不代表代码慢。

// 编译错误示例：这类问题不会有任何程序输出
#include <iostream>
int main() {
    std::cout << "hi" << std::endl  // 缺分号
    return 0;
}

用 C++ 在线运行、Java 在线运行、Go 在线运行 时，「标准输入」框里的内容会作为 stdin 传给程序，cin、scanf、Scanner、bufio.Reader 都能正常读。

#Shell：只看退出码

Shell 脚本没有编译阶段，出错就是运行错误，最可靠的判据是退出码。 脚本非零退出时退出码会显示出来，标准错误与标准输出分开呈现。

但要注意一个行为差异：bash 默认不会因为某条命令失败就中断脚本，它会继续往下跑，最后一条命令的退出码才是整体退出码。要严格失败即停，必须在开头写 set -e。

脚本在一次性沙箱里执行，所以下面这几件事不会按预期工作：

• 读不到你的文件系统，本地路径全部无效
• 读不到你的环境变量，密钥和配置都是空的
• 访问不到内网，curl 内网地址只会超时

那不是语法错，是环境限制 —— 换个环境才能验证。

用 Shell 在线运行 验证语法、字符串处理、循环和管道组合都合适，read 也能从「标准输入」框读到内容。

#JavaScript：语法提示会误报模块代码

JS 在这套工具里是本地执行、即时报错，但语法提示有一类固定误报：顶层 import / export。 因为它用 new Function 试编译，把你的代码当函数体看。

• 顶层的 import / export 会报语法提示（ESM 模块语法本来就不能出现在函数体里）
• 顶层的 return 反而不报（函数体里合法）

看到这类提示，先判断是不是模块语法，别急着改代码。它不是 linter，逻辑错误、未定义变量都不会报。

用 JavaScript 在线运行 可以快速验证一段算法，配合 文本差异对比 还能对比两个版本的输出差异。

#什么时候该用哪个工具

选择顺序建议是：能本地跑的就别上传（Python、JS），需要真实编译器的再用远端那几个。这与 在线运行代码怎么用 里讲的沙箱限制是一套逻辑，那篇讲边界，这篇讲怎么读报错。

#常见问题

#为什么点了运行什么都没输出？

先看有没有编译错误。编译型语言（C++、Java、Go）编译失败时程序一次都没启动，输出栏里显示的是编译器的话。如果没有报错也没输出，检查程序是否真的打印了内容 —— 有些语言输出有缓冲，直到程序结束才刷新。

#Python 报 ModuleNotFoundError，是我写错了吗？

大概率不是。Pyodide 只能加载预编译过的包，标准库完整，numpy、pandas 这类常见库多半可用，冷门包和需要自编译 C 扩展的包装不上。确实要用某个包，就换成远端执行的方案。

#Segmentation fault 是什么意思？

程序访问了不属于它的内存，通常是指针没初始化、数组越界、或者递归太深。它和 Python 的 traceback 不同：段错误不会有任何「哪一行出错」的提示，只能靠自己在可疑位置打印日志定位。

#退出码 0 但结果不对，算什么错？

算逻辑错误。退出码只表示程序有没有正常结束，不表示结果对不对 —— 一个算错的程序完全可以正常退出。这类问题要看输出内容本身，必要时用 文本差异对比 把期望输出与实际输出比一遍。

#为什么同样的代码在本地能跑，在线就报错？

三类原因：缺少依赖库（在线环境只装了一部分）、缺少标准输入（本地你用键盘输入了）、以及环境差异（工作目录、环境变量、行尾换行）。先在报错里找这三条线索，比改代码快。