目录
Python中的logging入门
在软件开发中，日志记录是一项非常重要的任务。它可以帮助我们在应用程序运行时收集并保存有用的信息，用于调试、错误跟踪和性能分析等目的。Python中的logging模块提供了强大且灵活的日志记录功能，本文将介绍如何使用logging模块进行日志记录。
什么是logging模块
logging是Python标准库中的一个模块，用于记录日志信息。它提供了一组函数和类，可以方便地向不同输出目标（如控制台、文件等）输出日志信息，并可以按照不同的级别（如DEBUG、INFO、WARNING等）进行过滤和记录。
使用logging模块记录日志
以下是使用logging模块记录日志的基本步骤：
- 导入logging模块：
pythonCopy codeimport logging- 配置日志记录：
pythonCopy codelogging.basicConfig(level=logging.DEBUG,
format='%(asctime)s %(levelname)s %(message)s',
filename='app.log',
filemode='w')-
level：设置日志级别，可选值有DEBUG、INFO、WARNING、ERROR、CRITICAL，默认为WARNING。 -
format：设置日志输出格式，可以使用不同的占位符来表示时间、级别、信息等。 -
filename：设置日志输出文件的文件名。 -
filemode：设置日志输出文件的打开模式，默认为追加模式，这里我们使用覆盖模式。
- 记录日志：
pythonCopy codelogging.debug('This is a debug log')
logging.info('This is an info log')
logging.warning('This is a warning log')
logging.error('This is an error log')
logging.critical('This is a critical log')- 运行程序后，你将看到日志信息被记录在app.log文件中：
plaintextCopy code2021-10-01 18:20:12,186 DEBUG This is a debug log
2021-10-01 18:20:12,187 INFO This is an info log
2021-10-01 18:20:12,188 WARNING This is a warning log
2021-10-01 18:20:12,189 ERROR This is an error log
2021-10-01 18:20:12,189 CRITICAL This is a critical log配置日志记录的其他选项
除了上述基本的日志记录配置，logging模块还提供了许多其他选项，以满足不同的需求。下面是一些常用的配置选项：
- 输出到控制台 将日志同时输出到控制台和文件是很常见的需求。我们可以通过添加一个StreamHandler来实现输出到控制台的功能：
pythonCopy codeconsole = logging.StreamHandler()
console.setLevel(logging.INFO)
formatter = logging.Formatter('%(asctime)s %(levelname)s %(message)s')
console.setFormatter(formatter)
logging.getLogger('').addHandler(console)- 日志文件按时间切割 对于长时间运行的应用程序，日志文件可能会变得很大。可以通过使用
TimedRotatingFileHandler来定期切割日志文件：
pythonCopy codefrom logging.handlers import TimedRotatingFileHandler
file_handler = TimedRotatingFileHandler('app.log', when='midnight', backupCount=7)
file_handler.setLevel(logging.INFO)
file_handler.setFormatter(formatter)
logging.getLogger('').addHandler(file_handler)- 日志记录器命名空间 在大型应用程序中，可能存在多个模块需要独立配置和记录日志。可以使用不同的日志记录器来管理不同模块的日志：
pythonCopy codelogger1 = logging.getLogger('module1')
logger2 = logging.getLogger('module2')
logger1.debug('This is a debug log for module1')
logger2.debug('This is a debug log for module2')总结
logging模块是Python中强大且灵活的日志记录工具。通过简单的配置，我们可以方便地将日志信息输出到控制台或文件中，按照不同的级别进行记录和过滤。除了基本的配置选项，logging模块还提供了许多其他的功能和选项，可以满足不同的需求。希望本文对你理解和使用Python中的logging模块有所帮助。
示例代码：应用场景
以下是一个示例代码，演示了在一个网络爬虫程序中如何使用logging模块进行日志记录。
pythonCopy codeimport logging
import requests
# 配置日志记录
logging.basicConfig(level=logging.INFO, format='%(asctime)s %(levelname)s %(message)s', filename='spider.log', filemode='w')
def fetch_data(url):
try:
# 发送网络请求
response = requests.get(url)
response.raise_for_status()
# 记录成功的日志
logging.info('Successfully fetched data from {}'.format(url))
# 处理响应数据...
except requests.exceptions.RequestException as e:
# 记录错误的日志
logging.error('Failed to fetch data from {}: {}'.format(url, str(e)))
# 程序入口
if __name__ == '__main__':
urls = ['https://example.com', 'https://example.net', 'https://example.org']
for url in urls:
fetch_data(url)以上代码片段展示了一个网络爬虫程序，通过requests库发送网络请求获取数据，并根据请求结果记录相应的日志。在fetch_data函数中，我们使用logging.info记录成功的日志，使用logging.error记录出错的日志。日志级别被设置为logging.INFO，因此只有logging.error会被记录到日志文件中。 通过这样的日志记录，我们可以在程序运行过程中实时了解请求是否成功，以及错误信息的原因，帮助我们调试和分析程序。
logging的缺点
- 学习成本较高：logging模块的使用相对复杂，需要学习不同的日志级别、日志格式化、日志输出等方面的知识。
- 配置繁琐：logging模块的配置相对繁琐，需要手动设置日志级别、日志输出格式、日志保存位置等参数，有时候需要编写大量的配置代码。
- 可读性差：logging模块的日志输出格式默认不容易阅读，需要手动设置日志格式化字符串才能满足需求。
- 不支持分布式架构：logging模块本身不支持分布式架构，如果在分布式环境中使用，可能需要额外处理日志的同步和收集。
类似的日志模块
除了logging模块，还有一些其他的日志模块可以作为logging的替代品，如:
- Log4j: Log4j是Java语言中广泛使用的一个日志工具，拥有丰富的功能和灵活的配置选项。
- loguru: loguru是Python中的一个新兴日志模块，它具有简单易用的API接口和友好的日志输出格式，能够大大简化日志的使用和设置。
- Apache Log4net: Log4net是.NET平台中广泛使用的一个日志组件，与Log4j类似，拥有丰富的功能和灵活的配置选项。
- Winston: Winston是Node.js中非常受欢迎的日志模块，具有简单易用的API接口和强大的功能。 这些日志模块在功能和易用性方面可能会有所不同，选择使用时需要根据具体需求和个人喜好进行评估和选择。