Python中怎样使用logging模块？-Python教程-PHP中文网

Python中怎样使用logging模块？

下次还敢

发布： 2025-04-26 21:27:01

原创

543人浏览过

在python中使用logging模块可以有效地进行日志记录。1) 它比print语句更强大，可输出到多种地方并设置日志级别。2) 可通过配置文件灵活管理日志设置。3) 支持自定义处理器和格式化器，提升日志的针对性。4) 需注意避免重复添加处理器和合理设置日志级别。5) 使用异步处理器可优化性能。logging模块是python开发中不可或缺的工具。

Python中怎样使用logging模块？

在Python中使用logging模块是一项必备技能，尤其当你需要在代码中进行调试或监控应用程序行为时。logging模块提供了强大的日志记录功能，帮助开发者跟踪代码执行过程中的各种事件和错误。下面我就来详细聊聊如何在Python中使用logging模块，以及一些我个人实践中的经验和注意事项。

首先，我们需要了解为什么要使用logging模块而不是简单的print语句。logging模块提供的功能远超print，它可以将日志输出到控制台、文件、网络等多种地方，还可以设置日志级别，过滤日志信息，甚至可以根据不同的环境（如开发、测试、生产）配置不同的日志记录方式。

让我们从最基本的用法开始。假设我们有一个简单的Python脚本，我们想记录一些信息：

立即学习“Python免费学习笔记（深入）”；

import logging

# 配置日志记录器
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

# 记录一条信息级别的日志
logging.info('这是一条信息级别的日志')

登录后复制

这个例子中，我们使用了basicConfig函数来配置日志记录器，设置了日志级别为INFO，并且定义了日志的格式。你会发现，logging模块的灵活性在于你可以根据需要调整日志级别和格式。

在实际项目中，我通常会创建一个单独的日志配置文件，这样可以更方便地管理和调整日志设置。例如，使用YAML文件来配置日志：

import logging
import logging.config
import yaml

with open('logging_config.yaml', 'r') as f:
    config = yaml.safe_load(f)

logging.config.dictConfig(config)

logging.info('使用配置文件记录的日志')

登录后复制

对应的YAML配置文件可能看起来像这样：

version: 1
formatters:
  simple:
    format: '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
handlers:
  console:
    class: logging.StreamHandler
    level: DEBUG
    formatter: simple
    stream: ext://sys.stdout
  file:
    class: logging.FileHandler
    level: DEBUG
    formatter: simple
    filename: app.log
    mode: a
loggers:
  my_module:
    level: DEBUG
    handlers: [console, file]
    propagate: no
root:
  level: INFO
  handlers: [console, file]

登录后复制

这种方法的好处是，你可以根据不同的环境（如开发、测试、生产）使用不同的配置文件，从而灵活地调整日志记录的行为。

Python之模块学习中文WORD版

本文档主要讲述的是Python之模块学习；python是由一系列的模块组成的，每个模块就是一个py为后缀的文件，同时模块也是一个命名空间，从而避免了变量名称冲突的问题。模块我们就可以理解为lib库，如果需要使用某个模块中的函数或对象，则要导入这个模块才可以使用，除了系统默认的模块（内置函数）不需要导入外。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看

查看详情

在使用logging模块时，还有一些高级用法值得一提。比如，你可以创建自定义的日志处理器和格式化器来满足特定需求：

import logging

class CustomFormatter(logging.Formatter):
    def format(self, record):
        if record.levelno == logging.DEBUG:
            self._style = logging.PercentStyle('%(asctime)s - %(levelname)s - %(message)s')
        else:
            self._style = logging.PercentStyle('%(levelname)s - %(message)s')
        return logging.Formatter.format(self, record)

# 创建自定义格式化器
formatter = CustomFormatter()

# 创建控制台处理器并应用自定义格式化器
console_handler = logging.StreamHandler()
console_handler.setFormatter(formatter)

# 创建日志记录器并添加处理器
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)
logger.addHandler(console_handler)

logger.debug('这是一条调试信息')
logger.info('这是一条信息')

登录后复制

在这个例子中，我们定义了一个自定义的格式化器CustomFormatter，它根据日志级别的不同来改变日志的格式。这种方法可以使你的日志输出更加灵活和有针对性。

使用logging模块时，还需要注意一些常见的问题和调试技巧。例如，确保你的日志记录器不会重复添加处理器，否则会导致日志信息被重复输出：

import logging

# 错误的做法，可能会导致重复输出
logger = logging.getLogger('my_logger')
logger.addHandler(logging.StreamHandler())
logger.addHandler(logging.StreamHandler())

# 正确的做法
logger = logging.getLogger('my_logger')
if not logger.handlers:
    logger.addHandler(logging.StreamHandler())

登录后复制

另一个常见问题是日志级别的设置。如果你设置的日志级别过高，可能会错过一些重要的调试信息；反之，如果设置得过低，可能会导致日志文件过大，影响性能。因此，根据不同的环境和需求，合理设置日志级别是非常重要的。

在性能优化方面，使用logging模块时，可以通过调整日志级别和使用合适的处理器来优化性能。例如，在生产环境中，你可能希望将日志级别设置为INFO或WARNING，以减少日志记录对性能的影响：

import logging

logging.basicConfig(level=logging.INFO, filename='app.log', filemode='a', format='%(asctime)s - %(levelname)s - %(message)s')

登录后复制

此外，使用异步日志处理器可以进一步提高性能，特别是在高并发环境下：

import logging
from concurrent.futures import ThreadPoolExecutor
from logging.handlers import QueueHandler, QueueListener

# 创建日志队列
queue = QueueHandler()

# 创建日志处理器
handler = logging.FileHandler('app.log')
handler.setLevel(logging.DEBUG)

# 创建日志记录器
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)
logger.addHandler(queue)

# 创建队列监听器
listener = QueueListener(queue.queue, handler)
listener.start()

# 使用线程池执行日志记录
executor = ThreadPoolExecutor(max_workers=10)

def log_message(message):
    logger.debug(message)

# 模拟高并发日志记录
for i in range(100):
    executor.submit(log_message, f'这是第{i}条日志')

登录后复制

这个例子中，我们使用了QueueHandler和QueueListener来实现异步日志记录，这样可以避免日志记录成为性能瓶颈。

总之，logging模块是Python开发中不可或缺的工具，通过合理配置和使用，可以大大提升代码的可维护性和可调试性。在实际项目中，根据不同的需求和环境灵活调整日志记录策略，是我个人实践中积累的一个重要经验。希望这些分享能对你有所帮助，让你在使用logging模块时更加得心应手。

以上就是Python中怎样使用logging模块？的详细内容，更多请关注php中文网其它相关文章！