Python日志记录通过logging模块实现，核心组件包括Logger、Handler、Formatter和Filter。使用basicConfig可快速配置，而复杂场景可通过自定义Logger和Handler将日志输出到控制台、文件或滚动文件。相比print，logging支持级别控制（DEBUG、INFO、WARNING、ERROR、CRITICAL），可灵活配置输出目标与格式，适用于调试、监控和生产环境。通过FileHandler写入文件，RotatingFileHandler按大小滚动，TimedRotatingFileHandler按时间滚动，实现高效日志管理。
Python中的日志记录，核心在于通过
logging
模块建立一套结构化的信息捕获、处理和输出机制。它不仅仅是打印消息那么简单，更是一种系统性的管理，让你能够精细控制哪些信息在何时、何地、以何种形式被记录下来，这对于程序的调试、监控和后期维护至关重要。它提供了一种比
语句强大得多的方式来理解你的代码在做什么。
解决方案
要配置和使用Python的日志记录，你需要理解几个核心组件：
Logger
（记录器）、
Handler
（处理器）、
Formatter
（格式器）和
Filter
（过滤器）。
最基础的用法，可以直接通过
logging.basicConfig()
来快速配置，这对于简单的脚本或开发环境非常方便：
import logging# 配置基本日志，将INFO级别及以上的消息输出到控制台logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')logging.debug('这是一条调试信息') # 不会显示，因为级别低于INFOlogging.info('程序启动了')logging.warning('检测到潜在问题')logging.error('发生了一个错误')logging.critical('系统崩溃！')
当你需要更复杂的控制时，比如将日志同时输出到文件和控制台，或者自定义不同的日志级别和格式，就需要手动创建和配置
Logger
、
Handler
和
Formatter
：
立即学习“Python免费学习笔记（深入）”；
import logging# 1. 获取一个记录器实例logger = logging.getLogger('my_app')logger.setLevel(logging.DEBUG) # 设置记录器最低处理级别为DEBUG# 2. 创建一个文件处理器，用于将日志写入文件file_handler = logging.FileHandler('app.log', encoding='utf-8')file_handler.setLevel(logging.INFO) # 文件处理器只处理INFO及以上级别的日志# 3. 创建一个控制台处理器，用于将日志输出到控制台console_handler = logging.StreamHandler()console_handler.setLevel(logging.DEBUG) # 控制台处理器处理DEBUG及以上级别的日志# 4. 定义日志的格式formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')# 5. 将格式器添加到处理器file_handler.setFormatter(formatter)console_handler.setFormatter(formatter)# 6. 将处理器添加到记录器logger.addHandler(file_handler)logger.addHandler(console_handler)# 现在可以使用logger来记录日志了logger.debug('这条调试信息会出现在控制台')logger.info('这条信息会出现在文件和控制台')logger.warning('这是一个警告，也会出现在两处')try: 1 / 0except ZeroDivisionError: logger.exception('除零错误发生！') # exception会自动记录堆栈信息
这段代码展示了如何细致地控制日志流向和内容。
getLogger
可以获取一个具名的记录器，这在大型应用中区分不同模块的日志非常有用。通过为不同的
Handler
设置不同的级别，我们可以实现日志分流，比如调试信息只在控制台显示，而重要的错误信息则同时写入文件。
为什么Python的logging模块比简单的print语句更具优势？
说实话，刚开始写Python脚本时，谁不是满屏的
print()
？快速、直接，看一眼就知道结果。但很快你就会发现，当程序规模稍微大一点，或者需要部署到生产环境时，
print()
的局限性就暴露无遗了。
logging
模块之所以是标准库，自有其道理。
首先，它提供了日志级别。
DEBUG
,
INFO
,
WARNING
,
ERROR
,
CRITICAL
，这些级别让你能够区分信息的轻重缓急。你可以设置一个全局的阈值，比如在开发时显示所有
DEBUG
信息，而到了生产环境，只记录
INFO
或
WARNING
及以上的内容。
print()
可没这功能，它就是一股脑儿地输出。
其次，输出目标多样化。
print()
只能往标准输出（通常是控制台）打印。但
logging
可以通过不同的
Handler
将日志发送到文件、网络（TCP/UDP）、邮件、HTTP服务器，甚至操作系统的日志系统。这在分布式系统或需要集中式日志管理的场景下，是
print()
望尘莫及的。想象一下，你的程序崩溃了，日志信息自动发送到你的邮箱，这比你盯着控制台找错误要高效得多。
再者，格式化输出。
logging.Formatter
让你能自定义日志消息的格式，包含时间戳、日志级别、模块名、文件名、行号、函数名等等。这使得日志信息更具可读性和可追溯性。
print()
要实现这些，你得手动拼接字符串，既麻烦又容易出错。而且，
logging
还能自动处理多线程环境下的日志同步，避免输出混乱。
最后，也是我认为最关键的一点，
logging
提升了代码的可维护性和专业性。它强制你思考日志的用途和重要性，而不是随意地插入打印语句。当你的程序出现问题时，一份结构良好、信息丰富的日志远比一堆无序的
输出更能帮助你快速定位问题。它就像是程序运行的“黑匣子”，记录下关键的飞行数据，以便事后分析。
Python日志级别有哪些，如何选择合适的级别？
Python的
logging
模块定义了五个标准的日志级别，它们代表了事件的不同严重程度。理解这些级别并正确使用它们，是有效日志记录的关键。
DEBUG (10)：这是最低的级别，用于详细的调试信息。通常只在开发阶段或需要深入排查问题时启用。比如，某个变量的值在特定代码点是什么，某个函数被调用时传入了什么参数。
logger.debug("处理用户请求，用户ID: %s", user_id)
INFO (20)：用于确认程序按预期运行的事件。这些是程序正常运行时的“里程碑”信息，可以用来了解程序的整体流程。
logger.info("数据库连接成功")logger.info("任务调度器启动")
WARNING (30)：表示发生了意外或将来可能出现问题的情况，但程序仍然能够正常运行。这通常是一些需要注意但不是致命的问题。
logger.warning("配置文件未找到，使用默认设置")logger.warning("缓存刷新失败，将尝试重试")
ERROR (40)：由于某个严重的问题，程序无法执行某些功能。这通常意味着某个操作失败了，但整个应用程序可能还没有完全崩溃。
logger.error("文件写入失败：%s", file_path)logger.error("API调用返回错误状态码：%d", status_code)
CRITICAL (50)：这是最高的级别，表示发生了非常严重的错误，导致程序本身或系统组件无法继续运行。通常需要立即采取行动。
logger.critical("数据库服务不可用，应用程序即将退出")logger.critical("内存溢出，系统崩溃！")
如何选择合适的级别？
选择日志级别更像是一种艺术，而非严格的科学。我的经验是，从目的出发。
开发阶段：我会把记录器级别设为
DEBUG
，甚至
DEBUG
以下（如果有自定义级别的话），这样我能看到所有细节。每一个分支、每一个变量的变化，都可能成为我调试的线索。测试环境：通常会设为
INFO
或
DEBUG
，根据测试的深度和对日志量的容忍度来决定。目标是捕获所有潜在问题，同时避免日志文件过大。生产环境：这是最需要谨慎的地方。通常将记录器级别设为
INFO
或
WARNING
。
INFO
用于记录关键业务流程的进展，
WARNING
用于提示潜在风险。
ERROR
和
CRITICAL
是必须捕获的，它们是系统健康状况的晴雨表。在生产环境，
DEBUG
级别的日志通常会被禁用，因为它会产生巨大的日志量，影响性能，并可能暴露敏感信息。
一个好的实践是，“宁滥勿缺”地记录，但“按需过滤”地输出。也就是说，在代码中，你可以在任何你觉得有用的地方打上
DEBUG
或
INFO
日志。但在实际运行中，通过配置
Handler
的级别来控制最终输出的日志量。这样，当你需要深入调试时，只需调整配置，就能获得更详细的信息，而不需要修改代码。
如何将日志输出到文件或滚动文件？
将日志输出到文件是日志记录最常见的需求之一，因为它提供了持久化的记录，便于事后分析和故障排查。而“滚动文件”机制则解决了日志文件无限增长的问题，避免占用过多磁盘空间。
1. 输出到单个文件 (
FileHandler
)
最直接的方式是使用
logging.FileHandler
。它会将所有日志写入一个指定的文件。
import logginglogger = logging.getLogger('file_logger')logger.setLevel(logging.DEBUG)# 创建一个文件处理器，指定日志文件路径和编码# 默认是'a'模式（追加），如果文件不存在则创建file_handler = logging.FileHandler('my_application.log', encoding='utf-8')file_handler.setLevel(logging.INFO) # 文件中只记录INFO及以上级别的日志formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')file_handler.setFormatter(formatter)logger.addHandler(file_handler)logger.debug("这条调试信息不会写入文件，因为文件处理器级别是INFO")logger.info("程序正常运行")logger.warning("磁盘空间可能不足")logger.error("致命错误发生")
这里需要注意的是，
FileHandler
默认以追加模式（
'a'
）打开文件。如果你希望每次程序启动都清空旧日志并重新开始，可以将
mode='w'
作为参数传递给
FileHandler
。
2. 输出到滚动文件 (
RotatingFileHandler
和
TimedRotatingFileHandler
)
当你的应用程序长时间运行，或者产生大量日志时，一个日志文件会变得非常大，这不仅难以管理，也可能耗尽磁盘空间。
RotatingFileHandler
和
TimedRotatingFileHandler
就是为解决这个问题而设计的。
RotatingFileHandler
：按文件大小滚动
这个处理器会在日志文件达到指定大小时，将其重命名（通常是加上
.1
,
.2
等后缀），然后创建一个新的空文件继续写入日志。它会保留指定数量的旧日志文件。
import loggingfrom logging.handlers import RotatingFileHandlerimport timelogger = logging.getLogger('rotating_logger')logger.setLevel(logging.DEBUG)# 创建一个滚动文件处理器# filename: 日志文件名# maxBytes: 单个日志文件最大字节数，例如 10 * 1024 * 1024 (10MB)# backupCount: 保留的旧日志文件数量rotating_handler = RotatingFileHandler( 'app_rotated.log', maxBytes=10 * 1024 * 1024, backupCount=5, encoding='utf-8')rotating_handler.setLevel(logging.INFO)formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')rotating_handler.setFormatter(formatter)logger.addHandler(rotating_handler)for i in range(1000): # 模拟写入大量日志 logger.info(f"这是第 {i} 条日志消息，程序正在正常运行。") time.sleep(0.01) # 稍微暂停，以便观察文件滚动
当
app_rotated.log
达到10MB时，它会被重命名为
app_rotated.log.1
，然后创建一个新的
app_rotated.log
。当新的
app_rotated.log
再次达到10MB时，
app_rotated.log.1
会被重命名为
app_rotated.log.2
，
app_rotated.log
变为
app_rotated.log.1
，再创建一个新的
app_rotated.log
。这个过程会持续，直到达到
backupCount
的限制，最旧的文件会被删除。
TimedRotatingFileHandler
：按时间间隔滚动
如果你更希望日志文件按天、按小时或按分钟滚动，
TimedRotatingFileHandler
是更好的选择。
import loggingfrom logging.handlers import TimedRotatingFileHandlerimport timelogger = logging.getLogger('timed_rotating_logger')logger.setLevel(logging.DEBUG)# 创建一个按时间滚动的处理器# filename: 日志文件名# when: 滚动周期，例如 'h' (小时), 'd' (天), 'midnight' (每天午夜)# interval: 滚动间隔，例如 when='h', interval=1表示每小时滚动一次# backupCount: 保留的旧日志文件数量timed_rotating_handler = TimedRotatingFileHandler( 'app_timed.log', when='midnight', interval=1, backupCount=7, encoding='utf-8')timed_rotating_handler.setLevel(logging.INFO)formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')timed_rotating_handler.setFormatter(formatter)logger.addHandler(timed_rotating_handler)# 模拟日志写入for i in range(50): logger.info(f"这是第 {i} 条定时滚动日志消息。") time.sleep(0.5)
when
参数可以设置为：
's'
：秒
'm'
：分钟
'h'
：小时
'd'
：天
'w0'
–
'w6'
：每周的某一天（w0=周一）
'midnight'
：每天午夜
使用滚动文件处理器是生产环境中日志管理的标准做法。它既保证了日志的完整性，又有效地控制了磁盘使用，是应用程序稳定运行不可或缺的一部分。
以上就是Python 中的日志记录（Logging）如何配置和使用？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1369780.html
微信扫一扫 
支付宝扫一扫 
