探秘Python日志记录艺术：打造优雅日志系统！

在Python应用程序开发中，日志记录是追踪问题、监控状态和记录关键事件的核心工具。Python内置的logging模块提供了强大且灵活的日志功能，以下从基础到进阶的实践指南，助你打造优雅的日志系统。

1. 日志基础配置

通过basicConfig()快速设置日志级别和输出目标（如文件或控制台）：

import logginglogging.basicConfig( filename='app.log', # 输出到文件 level=logging.INFO, # 记录INFO及以上级别 format='%(asctime)s - %(levelname)s - %(message)s' # 自定义格式)logging.debug('调试信息') # 不会记录（级别低于INFO）logging.info('普通信息') # 记录到文件logging.error('错误信息') # 记录到文件

关键点：

级别：DEBUG < INFO < WARNING < ERROR < CRITICAL。
格式：%(asctime)s（时间）、%(levelname)s（级别）、%(message)s（内容）。

2. 高级日志记录器

自定义记录器（Logger）和处理器（Handler），实现多目标输出和格式化：

import logginglogger = logging.getLogger('my_app')logger.setLevel(logging.DEBUG) # 设置记录器级别# 文件处理器（记录到文件）file_handler = logging.FileHandler('app.log')# 控制台处理器（输出到终端）console_handler = logging.StreamHandler()# 统一格式formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')file_handler.setFormatter(formatter)console_handler.setFormatter(formatter)logger.addHandler(file_handler)logger.addHandler(console_handler)logger.info('这条信息会同时输出到文件和控制台')

优势：

多目标输出：日志可同时写入文件并显示在终端。
模块化：不同模块可使用同名记录器（如my_app），便于统一管理。

3. 日志级别与过滤

通过级别和过滤器精准控制日志内容：

import logginglogger = logging.getLogger('filtered_logger')logger.setLevel(logging.DEBUG)# 自定义过滤器：仅记录WARNING及以上级别class WarningFilter(logging.Filter): def filter(self, record): return record.levelno >= logging.WARNINGlogger.addFilter(WarningFilter())logger.debug('调试信息') # 被过滤logger.warning('警告信息') # 记录logger.error('错误信息') # 记录

应用场景：

屏蔽低级别日志（如DEBUG）以减少噪音。
按模块或功能过滤日志（如仅记录数据库相关日志）。

4. 异常追踪

记录异常堆栈信息，辅助调试：

import loggingtry: 1 / 0except Exception as e: logging.error('计算错误', exc_info=True) # 自动记录堆栈 # 或显式传递异常对象 # logging.error('计算错误', exc_info=e)

输出示例：

ERROR:root:计算错误Traceback (most recent call last): File "<stdin>", line 2, in <module>ZeroDivisionError: division by zero5. 日志文件旋转

使用RotatingFileHandler限制日志文件大小并自动备份：

from logging.handlers import RotatingFileHandlerhandler = RotatingFileHandler( 'app.log', maxBytes=5*1024*1024, # 每个文件最大5MB backupCount=3 # 保留3个备份)logger.addHandler(handler)for i in range(10000): logger.info(f'这是一条测试日志 {i}')

效果：

当app.log达到5MB时，自动重命名为app.log.1，并创建新文件。
最多保留3个备份（app.log.1、app.log.2、app.log.3）。

6. 进阶实践建议

结构化日志：使用JSON格式（通过json-log-formatter库）便于日志分析。
环境适配：开发环境输出DEBUG级别到控制台，生产环境输出INFO到文件。
性能优化：避免在日志中执行复杂计算（如logger.debug(f"结果: {compute()}")），改用延迟评估：logger.debug('结果: %s', compute()) # 仅当级别匹配时调用compute()

总结

Python的logging模块通过灵活的配置（记录器、处理器、过滤器、格式化）支持从简单到复杂的日志需求。合理利用日志级别、异常追踪和文件旋转，可以显著提升应用的可维护性。结合实际场景选择配置方式，让日志成为调试和监控的得力助手。

您可能感兴趣问答

Collapsible

热门标签

热点问答