本文地址:https://www.jianshu.com/p/3be28b5d2ff8
1. 简介
在应用的开发过程中,我们常常需要去记录应用的状态,事件,结果。而Python最基础的Print很难满足我们的需求,这种情况下我们就需要使用python的另一个标准库:logging
。
这是一个专门用于记录日志的模块。相对于Print来说,logging
提供了日志信息的分级,格式化,过滤等功能。如果在程序中定义了丰富而有条理的log信息,那么可以非常方便的去分析程序的运行状况,在有问题时也能够方便的去定位问题,分析问题。
以下是具体的一些应用场景。
执行的任务 | 这项任务的最佳工具 |
---|---|
显示控制台输出 | print() |
报告在程序正常运行期间发生的事件 | logging.info()或 logging.debug() |
发出有关特定运行时事件的警告 | logging.warning() |
报告有关特定运行时事件的错误 | 抛出异常 |
报告错误但不抛出异常 | logging.error(), logging.exception()或 logging.critical() |
2. 基础用法
以下是一些logging
最基础的使用方法,如果不需要深入的去定制log的话,那么只需要使用最基础的部分即可。
In [1]: import logging
In [2]: logging.info('hello world')
In [3]: logging.warning('good luck')
WARNING:root:good luck
可以看到,logging.info()
的日志信息没有被输出,而logging.warning()
的日志信息被输出了,这就是因为logging
的日志信息分为几个不同的重要性级别,而默认输出的级别则是warning
,也就是说,重要性大于等于warning
的信息才会被输出。
以下是logging
模块中信息的五个级别,重要性从上往下递增。
等级 | 什么时候使用 |
---|---|
DEBUG |
详细信息,通常仅在Debug时使用。 |
INFO |
程序正常运行时输出的信息。 |
WARNING |
表示有些预期之外的情况发生,或者在将来可能发生什么情况。程序依然能按照预期运行。 |
ERROR |
因为一些严重的问题,程序的某些功能无法使用了。 |
CRITICAL |
发生了严重的错误,程序已经无法运行。 |
我们也可以通过设置来设定输出日志的级别:
In [1]: import logging
In [2]: logging.basicConfig(level=logging.DEBUG)
In [3]: logging.info('hello world')
INFO:root:hello world
可以看到,在设定了level
参数为logging.DEBUG
后,logging.info()
的日志信息就正常输出了。
2.1. basicConfig
logging.basicConfig(**kwargs)
通过basicConfig()
方法可以为logging
做一些简单的配置。此方法可以传递一些关键字参数。
-
filename
文件名参数,如果指定了这个参数,那么
logging
会把日志信息输入到指定的文件之中。import logging logging.basicConfig(filename='example.log') logging.warning('Hello world')
-
filemode
如果指定了
filename
来输出日志到文件,那么filemode
就是打开文件的模式,默认为'a',追加模式。当然也可以设置为'w',则每一次输入都会丢弃掉之前日志文件中的内容。 -
format
指定输出的log信息的格式。
In [1]: import logging In [2]: logging.basicConfig(format='%(asctime)s %(message)s') In [3]: logging.warning('hello world') 2018-07-06 16:28:12,074 hello world
-
datefmt
如果在
format
中使用了asctime
输出时间,那么可以使用此参数控制输出日期的格式,使用方式与time.strftime()
相同。 -
level
设置输出的日志的级别,只有高出此级别的日志信息才会被输出。
In [1]: import logging In [2]: logging.basicConfig(level=logging.INFO) In [3]: logging.info('hi') INFO:root:hi In [4]: logging.debug('byebye')
注:需要注意的是,basicConfig()
方法是一个一次性的方法,只能用来做简单的配置,多次的调用basicConfig()
是无效的。
3. 模块化定制logging
在深度使用logging
来定制日志信息之前,我们需要先来了解一下logging
的结构。logging
的主要逻辑结构主要由以下几个组件构成:
Logger:提供应用程序直接使用的接口。
Handler:将log信息发送到目标位置。
Filter:提供更加细粒度的log信息过滤。
Formatter:格式化log信息。
这四个组件是logging
模块的基础,在基础用法中的使用方式,其实也是这四大组件的封装结果。
这四个组件的关系如下所示:
logger
主要为外部提供使用的api接口,而每个logger
下可以设置多个Handler
,来将log信息输出到多个位置,而每一个Handler
下又可以设置一个Formatter
和多个Filter
来定制输出的信息。
3.1. Logger
Logger
这个对象主要有三个任务要做:
- 向外部提供使用接口。
- 基于日志严重等级(默认的过滤组件)或filter对象来决定要对哪些日志进行后续处理。
- 将日志消息传送给所有符合输出级别的
Handlers
。
logging.getLogger(name=None)
首先,我们需要通过getLogger()
方法来生成一个Logger
,这个方法中有一个参数name,则是生成的Logger
的名称,如果不传或者传入一个空值的话,Logger
的名称默认为root。
In [1]: import logging
In [2]: logger = logging.getLogger('nanbei')
需要注意的是,只要在同一个解释器的进程中,那么相同的Logger
名称,使用getLogger()
方法将会指向同一个Logger
对象。
而使用logger
的一个好习惯,是生成一个模块级别的Logger
对象:
In [1]: logger = logging.getLogger(__name__)
通过这种方式,我们可以让logger
清楚的记录下事件发生的模块位置。
除此之外,logger
对象是有层级结构的:
-
Logger
的名称可以是一个以.
分割的层级结构,每个.
后面的Logger
都是.
前面的logger
的子辈。例如,有一个名称为nanbei的
logger
,其它名称分别为nanbei.a,nanbei.b和nanbei.a.c都是nanbei的后代。 -
子
Logger
在完成对日志消息的处理后,默认会将log日志消息传递给它们的父辈Logger
相关的Handler
。因此,我们不不需要去配置每一个的
Logger
,只需要将程序中一个顶层的Logger
配置好,然后按照需要创建子Logger
就好了。也可以通过将一个logger
的propagate
属性设置为False来关闭这种传递机制。
例如:
In [1]: import logging
# 生成一个名称为nanbei的Logger
In [2]: logger = logging.getLogger('nanbei')
# 生成一个StreamHandler,这个Handler可以将日志输出到console中
In [3]: sh = logging.StreamHandler()
# 生成一个Formatter对象,使输出日志时只显示Logger名称和日志信息
In [4]: fmt = logging.Formatter(fmt='%(name)s - %(message)s')
# 设置Formatter到StreamHandler中
In [5]: sh.setFormatter(fmt)
# 将Handler添加到Logger中
In [6]: logger.addHandler(sh)
# 生成一个nanbei的子Logger:nanbei.child
In [7]: child_logger = logging.getLogger('nanbei.child')
# 可以看到两个Logger输出的日志信息都使用了相同的日志格式
In [8]: logger.warning('hello')
nanbei - hello
In [9]: child_logger.warning('hello')
nanbei.child - hello
在Logger
对象中,主要提供了以下方法:
方法 | 描述 |
---|---|
Logger.setLevel() | 设置日志器将会处理的日志消息的最低输出级别 |
Logger.addHandler() 和 Logger.removeHandler() | 为该logger对象添加、移除一个handler对象 |
Logger.addFilter() 和 Logger.removeFilter() | 为该logger对象添加、移除一个filter对象 |
Logger.debug(),Logger.info(),Logger.warning(),Logger.error(),Logger.critical() | 输出一条与方法名对应等级的日志 |
Logger.exception() | 输出一条与Logger.error()类似的日志,包含异常信息 |
Logger.log() | 可以传入一个明确的日志level参数来输出一条日志 |
3.2. Handler
Handler
的作用主要是把log信息输出到我们希望的目标位置,其提供了如下的方法以供使用:
方法 | 描述 |
---|---|
Handler.setLevel() | 设置handler处理日志消息的最低级别 |
Handler.setFormatter() | 为handler设置一个格式器对象 |
Handler.addFilter() 和 Handler.removeFilter() | 为handler添加、删除一个过滤器对象 |
我们可以通过这几个方法,给每一个Handler
设置一个Formatter
和多个Filter
,来定制不同的输出log信息的策略。
而Handler
本身是一个基类,不应该直接实例化使用,我们应该使用的是其多种多样的子类,每一个不同的子类可以将日志信息输出到不同的目标位置,以下是一些常用的Handler
。
Handler | 描述 |
---|---|
logging.StreamHandler | 将日志消息发送到输出到Stream,如std.out, std.err或任何file-like对象。 |
logging.FileHandler | 将日志消息发送到磁盘文件,默认情况下文件大小会无限增长 |
logging.handlers.RotatingFileHandler | 将日志消息发送到磁盘文件,并支持日志文件按大小切割 |
logging.hanlders.TimedRotatingFileHandler | 将日志消息发送到磁盘文件,并支持日志文件按时间切割 |
logging.handlers.HTTPHandler | 将日志消息以GET或POST的方式发送给一个HTTP服务器 |
logging.handlers.SMTPHandler | 将日志消息发送给一个指定的email地址 |
logging.NullHandler | 该Handler实例会忽略error messages,通常被想使用logging的library开发者使用来避免'No handlers could be found for logger XXX'信息的出现。 |
3.3. Filter
Filter
可以被Handler
和Logger
用来做比level分级更细粒度的、更复杂的过滤功能。
Filter
是一个过滤器基类,它可以通过name参数,来使这个logger
下的日志通过过滤。
class logging.Filter(name='')
比如,一个Filter
实例化时传递的name参数值为A.B
,那么该Filter
实例将只允许名称为类似如下规则的Loggers
产生的日志通过过滤:A.B
,A.B.C
,A.B.C.D
,A.B.D
。
而名称为A.BB
,B.A.B
的Loggers
产生的日志则会被过滤掉。如果name的值为空字符串,则允许所有的日志事件通过过滤。
In [1]: import logging
In [2]: logger = logging.getLogger('nanbei')
In [3]: filt = logging.Filter(name='nanbei.a')
In [4]: sh = logging.StreamHandler()
In [5]: sh.setLevel(logging.DEBUG)
In [6]: sh.addFilter(filt)
In [7]: logger.addHandler(sh)
In [8]: logging.getLogger('nanbei.a.b').warning('i am nanbei.a.b')
i am nanbei.a.b
In [9]: logging.getLogger('nanbei.b.b').warning('i am nanbei.a.b')
可以看到,名称为nanbei.b.b的Logger
的日志没有被输出。
3.4. Formatter
Formater
对象用于配置日志信息的最终顺序、结构和内容。
Formatter
类的构造方法定义如下:
logging.Formatter.__init__(fmt=None, datefmt=None, style='%')
-
fmt
这个参数主要用于格式化log信息整体的输出。
以下是可以用来格式化的字段:
字段/属性名称 使用格式 描述 asctime %(asctime)s 日志事件发生的时间--人类可读时间,如:2003-07-08 16:49:45,896 created %(created)f 日志事件发生的时间--时间戳,就是当时调用time.time()函数返回的值 relativeCreated %(relativeCreated)d 日志事件发生的时间相对于logging模块加载时间的相对毫秒数(目前还不知道干嘛用的) msecs %(msecs)d 日志事件发生事件的毫秒部分 levelname %(levelname)s 该日志记录的文字形式的日志级别('DEBUG', 'INFO', 'WARNING', 'ERROR', 'CRITICAL') levelno %(levelno)s 该日志记录的数字形式的日志级别(10, 20, 30, 40, 50) name %(name)s 所使用的日志器名称,默认是'root',因为默认使用的是 rootLogger message %(message)s 日志记录的文本内容,通过 msg % args
计算得到的pathname %(pathname)s 调用日志记录函数的源码文件的全路径 filename %(filename)s pathname的文件名部分,包含文件后缀 module %(module)s filename的名称部分,不包含后缀 lineno %(lineno)d 调用日志记录函数的源代码所在的行号 funcName %(funcName)s 调用日志记录函数的函数名 process %(process)d 进程ID processName %(processName)s 进程名称,Python 3.1新增 thread %(thread)d 线程ID threadName %(thread)s 线程名称 -
datefmt
如果在dmt中指定了asctime,那么这个参数可以用来格式化asctime的输出,使用方式与time.strftime()相同。
-
style
Python 3.2新增的参数,可取值为 '%', '{'和 '$',如果不指定该参数则默认使用'%'。
4. 使用字典配置Logger
可以看到使用logging内置的方法去配置Logger的话,会比较繁琐,特别是配置多个Logger的时候,写的代码会很多很杂乱。logging还提供了文件配置和字典配置两种方式,可以使代码更有条理,但由于文件配置的API比较老旧,有一些功能不能使用,所以这里我们只介绍字典配置方式。
从字典配置主要使用以下方法:
logging.config.dictConfig(config)
此方法通过传入一个字典来进行配置,字典中可包含的key
如以下所示:
-
version
- 必选项,其值是一个整数值,表示配置格式的版本,当前唯一可用的值是1。 -
disable_existing_loggers
- 可选项,默认值为True。该选项用于指定是否禁用已存在的日志器loggers,如果incremental的值为True则该选项将会被忽略。 -
incremental
- 可选项,默认值为False。该选项的意义在于,如果这里定义的对象已经存在,那么这里对这些对象的定义是否应用到已存在的对象上。值为False表示,已存在的对象将会被重新定义。 -
root
- 可选项,这是root logger的配置信息,其值也是一个字典对象。除非在定义其它logger时明确指定propagate值为no,否则root logger定义的handlers都会被作用到其它logger上。 -
loggers
- 可选项,其值是一个字典对象,该字典对象每个元素的key为要定义的日志器名称,value为日志器的配置信息组成的字典,其中包含的选项有:-
level
(optional). logger的level。 -
propagate
(optional). 是否传播给父记录器。 -
filters
(optional). 包含的filters列表。 -
handlers
(optional). 包含的handlers列表。
-
-
handlers
- 可选项,其值是一个字典对象,该字典对象每个元素的key为要定义的处理器名称,value为处理器的配置信息组成的字典,包含的选项有:-
class
(mandatory) - handler的类型。 -
level
(optional) - handler的level。 -
formatter
(optional) - handler使用的formatter。 -
filters
(optional) - 包含的filters列表。
-
-
formatters
- 可选项,其值是一个字典对象,该字典对象每个元素的key为要定义的格式器名称,value为格式器的配置信息组成的dict,如format和datefmt。 -
fittlers
- 可选项,其值是一个字典对象,该字典对象每个元素的key为要定义的过滤器名称,value为过滤器的配置信息组成的dict,如name。
在这里并没有完全列出每一个对象所需的key,但熟悉模块化定制logger之后,其构造所需的参数与字典构造基本是一致的,以下有一个使用简单的例子:
import logging
import logging.config
import os
path = os.path.abspath(__file__)
BASE_DIR = os.path.dirname(os.path.dirname(path))
debug_flag = True
# 给过滤器使用的判断
class RequireDebugTrue(logging.Filter):
# 实现filter方法
def filter(self, record):
return debug_flag
logging_config = {
#必选项,其值是一个整数值,表示配置格式的版本,当前唯一可用的值就是1
'version': 1,
# 是否禁用现有的记录器
'disable_existing_loggers': False,
# 过滤器
'filters': {
'require_debug_true': {
'()': RequireDebugTrue, #在开发环境,我设置DEBUG为True;在客户端,我设置DEBUG为False。从而控制是否需要使用某些处理器。
}
},
#日志格式集合
'formatters': {
'simple': {
'format': '%(asctime)s - %(name)s - %(levelname)s - %(message)s',
},
},
# 处理器集合
'handlers': {
# 输出到控制台
'console': {
'level': 'DEBUG', # 输出信息的最低级别
'class': 'logging.StreamHandler',
'formatter': 'simple', # 使用standard格式
'filters': ['require_debug_true', ]
},
# 输出到文件
'log': {
'level': 'DEBUG',
'class': 'logging.handlers.RotatingFileHandler',
'formatter': 'simple',
'filename': os.path.join(BASE_DIR, 'debug.log'), # 输出位置
'maxBytes': 1024 * 1024 * 5, # 文件大小 5M
'backupCount': 5, # 备份份数
'encoding': 'utf8', # 文件编码
},
},
# 日志管理器集合
'loggers':{
'root': {
'handlers': ['console','log'],
'level': 'DEBUG',
'propagate': True, # 是否传递给父记录器
},
'simple': {
'handlers': ['console','log'],
'level': 'WARN',
'propagate': True, # 是否传递给父记录器,
}
}
}
logging.config.dictConfig(logging_config)
logger = logging.getLogger('root')
# 尝试写入不同消息级别的日志信息
logger.debug("debug message")
logger.info("info message")
logger.warn("warn message")
logger.error("error message")
logger.critical("critical message")