#logger文档地址：https://docs.python.org/zh-cn/3/library/logging.html

• 目录
  • 什么是日志
  • 什么时候使用日志
  • basicConfig
  • handler
  • Traceback
  • 文件配置
  • 日志切割
    • 根据日期时间分割日志
    • 根据文件大小分割日志
  • 推荐配置
  • 示例

1 .什么是日志

日志是对软件执行时所发生事件的一种追踪方式。软件开发人员对他们的代码添加日志调用，借此来指示某事件的发生。一个事件通过一些包含变量数据的描述信息来描述
（比如：每个事件发生时的数据都是不同的）。开发者还会区分事件的重要性，重要性也被称为等级或严重性。

2.什么时候使用日志

日志（logging）模块提供了一系列的函数（debug、info、warning、critical）来适应不同的应用场景。想要决定何时使用日志，请看下表，其中显示了对于每个通用任务集合来说最好的工具

默认的级别是WARNING，意味着只会追踪该级别及以上的事件，除非更改日志配置。

3.basicConfig

3.1 一个简单的示例，将结果输出到控制台：

import logging
logging.warning('info level')  # WARNING:root:info levelb

3.2 将结果输出到文件：

import logging
logging.basicConfig(filename='test.log', level=20)
logging.log(10, '级别为10的一条日志')
logging.log(20, '级别为20的一条日志')

上例中，通过basicConfig方法将日志输出到test.log文件，并且设置只有级别大于等于20的才会写入到该日志文件。也就是说，上例中，第一条级别为10的日志将不会写入到文件。并且，需要注意的是，如果你查看日志文件，如果出现乱码的话，请检查编码方式。

# 设置日志编码格式
file_handler = logging.FileHandler(file_name, encoding='utf-8')
logging.basicConfig(level=logging.INFO, handlers={file_handler})

上例中，在basicConfig方法中，级别20也可以这样指定：

logging.basicConfig(filename='test.log', level=logging.INFO) 
logging.debug('debug level: 10')
logging.info('info level: 20')
logging.warning('warning level: 30')
logging.error('error level: 40')
logging.critical('critical level: 50')

上例中只有级别大于等于20的将会被写入文件。logging.INFO其实代表的就是20，这是Python在源码中帮我们指定了：

CRITICAL = 50
FATAL = CRITICAL
ERROR = 40
WARNING = 30
WARN = WARNING
INFO = 20
DEBUG = 10
NOTSET = 0

接下来，我们来看看basicConfig方法都可以指定哪些参数：

• filename，即日志输出的文件名，如果指定了这个信息之后，实际上会启用``FileHandler，而不再是StreamHandler`，这样日志信息便会输出到文件中了。
• filemode，日志文件写入方式，可以是w和a，默认的是a模式。
• format，指定日志信息的输出格式，详细参考，这里列出常用的参数：
  • %(levelno)s：打印日志级别的数值。
  • %(levelname)s：打印日志级别的名称。
  • %(pathname)s：打印当前执行程序的路径，其实就是sys.argv[0]。
  • %(filename)s：打印当前执行程序名。
  • %(funcName)s：打印日志的当前函数。
  • %(lineno)d：打印日志的当前行号。
  • %(asctime)s：打印日志的时间。
  • %(thread)d：打印线程ID。
  • %(threadName)s：打印线程名称。
  • %(process)d：打印进程ID。
  • %(processName)s：打印线程名称。
  • %(module)s：打印模块名称。
  • %(message)s：打印日志信息。
• datefmt，指定时间的输出格式。
• style，如果format指定，该参数可以指定格式化时的占位符。例如'{'或'$'用于printf风格， str.format()或 string.Template分别。默认为'%'。3.2版本新增参数。
• level，指定日志输出的类别，程序会输出大于等于此级别的信息。
• stream，在没有指定``filename的时候会默认使用StreamHandler,这时stream`可以指定初始化的文件流。
• handlers：可以指定日志处理时所使用的 Handlers，必须是可迭代的。

来个示例：

import logging
logging.basicConfig(
    filename='test.log',
    filemode='w',
    level=logging.DEBUG,
    datefmt='%Y/%m/%d %H:%M:%S',
    format='%(asctime)s - %(name)s - %(levelname)s - %(lineno)d - %(module)s - %(message)s'
)
logging.debug('debug level: 10')
logging.info('info level: 20')
logging.warning('warning level: 30')
logging.error('error level: 40')
logging.critical('critical level: 50')
输出结果如下：

2019/05/30 14:38:09 - root - DEBUG - 36 - 日志模块 - debug level: 10
2019/05/30 14:38:09 - root - INFO - 37 - 日志模块 - info level: 20
2019/05/30 14:38:09 - root - WARNING - 38 - 日志模块 - warning level: 30
2019/05/30 14:38:09 - root - ERROR - 39 - 日志模块 - error level: 40
2019/05/30 14:38:09 - root - CRITICAL - 40 - 日志模块 - critical level: 50

需要注意的是，logging.basicConfig只生效一次，比如：

import logging
logging.basicConfig(
    filename='test1.log',
    filemode='w',
    level=logging.DEBUG
)

# 无效
logging.basicConfig(
    filename='test2.log',
    filemode='a',
    level=logging.INFO
)

logging.debug('debug level: 10')
logging.info('info level: 20')
logging.warning('warning level: 30')
logging.error('error level: 40')
logging.critical('critical level: 50')

正如上例所示，我们配置了两次basicConfig。但如果运行你会发现，只有第一个配置生效了，第二个配置不会生效。原因是当在第一次配置的时候，logging在内部就会进行配置，第二次再次配置的

时候，logging就会认为我已经配置好了，不需要再次配置了。

4 . handler

接下来，我们来看handler的用法：

import logging

# 日志输出到哪？
file_handler = logging.FileHandler(filename='test.log', mode='w', encoding='utf-8')
# 以什么格式写
fmt = logging.Formatter(fmt='%(asctime)s - %(name)s - %(levelname)s - %(lineno)d - %(module)s - %(message)s')
# 为日志文件指定写入格式
file_handler.setFormatter(fmt=fmt)
# 谁来写？日志的级别是什么？
logger = logging.Logger(name='logger', level=logging.INFO)  # name:日志对象的名称，可以自定义
# 往哪写？
logger.addHandler(file_handler)
# 写什么？
logger.debug('debug level: 10')
logger.info('info level: 20')
logger.warning('warning level: 30')
logger.error('error level: 40')
logger.critical('critical level: 50')

#如上例所示，这里我们一步步的对日志进行配置，然后最后写入到test.log文件。结果如下：

2021-12-16 03:31:08,628 - logger - INFO - 15 - 234 - info level: 20
2021-12-16 03:31:08,628 - logger - WARNING - 16 - 234 - warning level: 30
2021-12-16 03:31:08,628 - logger - ERROR - 17 - 234 - error level: 40
2021-12-16 03:31:08,628 - logger - CRITICAL - 18 - 234 - critical level: 50

除此之外，我们还可以使用其他的Handler进行日志输出，logging模块提供的Handler有：

StreamHandler：logging.StreamHandler；日志输出到流，可以是 sys.stderr，sys.stdout 或者文件。
FileHandler：logging.FileHandler；日志输出到文件。
BaseRotatingHandler：logging.handlers.BaseRotatingHandler；基本的日志回滚方式。
RotatingHandler：logging.handlers.RotatingHandler；日志回滚方式，支持日志文件最大数量和日志文件回滚。
TimeRotatingHandler：logging.handlers.TimeRotatingHandler；日志回滚方式，在一定时间区域内回滚日志文件。
SocketHandler：logging.handlers.SocketHandler；远程输出日志到TCP/IP sockets。
DatagramHandler：logging.handlers.DatagramHandler；远程输出日志到UDP sockets。
SMTPHandler：logging.handlers.SMTPHandler；远程输出日志到邮件地址。
SysLogHandler：logging.handlers.SysLogHandler；日志输出到syslog。
NTEventLogHandler：logging.handlers.NTEventLogHandler；远程输出日志到Windows NT/2000/XP的事件日志。
MemoryHandler：logging.handlers.MemoryHandler；日志输出到内存中的指定buffer。
HTTPHandler：logging.handlers.HTTPHandler；通过”GET”或者”POST”远程输出到HTTP服务器。

再来一个示例，我们使用不同的Handler实现日志同时输出到控制台、文件、HTTP服务器：

import sys
import logging
from logging.handlers import HTTPHandler

# 创建日志对象
logger = logging.getLogger('logger')

# 将日志输出到文件 FileHandler
file_handler = logging.FileHandler(filename='test.log', mode='w', encoding='utf-8')
file_fmt = logging.Formatter(fmt='%(asctime)s - %(name)s - %(levelname)s - %(lineno)d - %(module)s - %(message)s')
file_handler.setFormatter(file_fmt)
file_handler.setLevel(level=logging.INFO)
logger.addHandler(file_handler)

# 将日志输出到控制台 StreamHandler
stream_handler = logging.StreamHandler(sys.stdout)
stream_fmt = logging.Formatter(fmt='%(asctime)s - %(name)s - %(levelname)s - %(lineno)d - %(module)s - %(message)s')
stream_handler.setFormatter(stream_fmt)
stream_handler.setLevel(level=logging.DEBUG)
logger.addHandler(stream_handler)

# 将日志输出到HTTP服务器
http_handler = HTTPHandler(host='localhost:8888', url='/', method='GET')
http_handler.setLevel(level=logging.INFO)
logger.addHandler(http_handler)
# 写什么
logger.debug(msg='debug level: 10')
logger.info(msg='info level: 20')
logger.warning(msg='warning level: 30')
logger.error(msg='error level: 40')
logger.critical(msg='critical level: 50')

上述代码会将日志分别输入到test.log文件、控制台和HTTP服务器，当然，在执行这段代码前，还需要启动HTTPServer，并运行在8888端口。url为根路径。在Python2.x中，提供了一种简单的HTTPServer

使用如下图所示。

5. Traceback

#除了应用之外，logging模块还支持错误回溯，也就是Traceback功能：
import logging
logger = logging.getLogger('logger')
logger.setLevel(level=logging.DEBUG)
try:
    result = 3 / 0  # O不能当被除数
except Exception as e:
    logger.error(e, exc_info=True)

 上例中，如果exc_info参数为False的话，仅打印报错信息：

division by zero

现在将exc_info参数设置为True，就会得到完整的Traceback信息：

division by zero
Traceback (most recent call last):
  File "M:/日志模块.py", line 134, in 
    result = 3 / 0  # O不能当被除数
ZeroDivisionError: division by zero

6 . 文件配置

logging模块还支持将配置写入到yaml中，方便在任何地方调用。

现在，我们编写customLog.yaml中的代码：

version: 1
formatters:
  simple:
    format: '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
handler:
  console:
    class: logging.StreamHandler
    level: INFO
    formatter: simple
    stream: ext://sys.stdout
loggers:
  simpleExample:
    level: INFO
    handlers: [console]
    propagate: no
root:
  level: INFO
  handlers: [console]

我们在实际中只需要读取这个yaml文件即可：

import os
import logging
from logging import config
import yaml  # pip install pypaml
def custom_configure(file_ath, default_level=logging.INFO):
    if os.path.exists(file_ath):
        with open(file_ath, 'r', encoding='utf8') as f:
            config.dictConfig(yaml.load(f))
    else:
        logging.basicConfig(level=default_level)
def run():
    logging.debug(msg='debug level: 10')
    logging.info(msg='info level: 20')
    logging.warning(msg='warning level: 30')
    logging.error(msg='error level: 40')
    logging.critical(msg='critical level: 50')

if __name__ == '__main__':
    custom_configure('log.yaml')
    run()

7 . 日志切割

logging支持日志切割，什么意思呢？就是每隔多少时间，生成一个日志，或者根据文件大小分割日志，这在一些情况下相当有用，先来看根据时间来分割日志。

7. 1根据日期时间分割日志

logging还支持日志切割，什么意思呢？就是每隔多少时间，生成一个日志，这在一些情况下相当有用，来看代码：

import sys
import time
import logging
from logging import handlers


def logger_configure(*args, fmt='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
                     datefmt='%Y/%m/%d %H:%M:%S',
                     level=logging.INFO
                     ):
    logging.basicConfig(
        format=fmt,
        datefmt=datefmt,
        level=level,
        handlers=list(args)
    )


if __name__ == '__main__':
    file_handler = handlers.TimedRotatingFileHandler(filename='x1.log', when='S', interval=5, backupCount=0, encoding='utf8')
    stream_handler = logging.StreamHandler(stream=sys.stdout)
    logger_configure(file_handler, stream_handler)
    for i in range(1, 20):
        time.sleep(1)
        logging.info('info level: {}'.format(i))

上例中，日志切割通过TimedRotatingFileHandler方法完成，相关参数：

• filename，日志文件名。
• when，指定切割时间，可选参数有：
  • S，秒。
  • M，分。
  • H，时。
  • D，天。
  • midnight，每天凌晨。
  • W{0-6}，每周，记住不是从1-7，而是从0开始的。
• interval，每隔when时间切割一次。
• backupCount，该参数如果大于0，则日志切割时，只保留指定的日志文件数量。什么意思呢？比如如上例中指定0，那么每5秒自动创建一个新的日志文件（文件名的格式是x1.log.2019-05-31_10-12-57），保存这5秒内的日志记录，再过5秒再次创建一个新的日志文件。这些创建的文件都会保存。但如果backupCount参数如果设置为指定的数量，比如设置为2，那么它只会保留最新的两个时间点的日志文件，之前的文件都将被删除。下图是当backupCount参数设置为2时，在本地生的日志文件。

根据文件大小分割日志

http://www.360doc.com/content/15/0125/23/10072361_443701619.shtml

推荐配置

通过之前日志的不同应用，我们可以总结出来一份拿走就用的配置：

import sys
import logging
def logger_configure(*args, fmt='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
                     datefmt='%Y/%m/%d %H:%M:%S',
                     level=logging.INFO
                     ):
    logging.basicConfig(
        format=fmt,
        datefmt=datefmt,
        level=level,
        handlers=list(args)
    )
if __name__ == '__main__':
    file_handler = logging.FileHandler('x1.log', mode='a', encoding='utf8')
    stream_handler = logging.StreamHandler(stream=sys.stdout)
    logger_configure(file_handler, stream_handler)
    logging.info('info level: 20')

上例中，我们将logging的配置封装成函数，给一些默认的配置参数，也可以手动配置。而args则接收多个输出模式。当我们在使用的时候直接调用该函数，并传递输出模式即可。

示例

import logging


class LoggerHandler:

    def __new__(cls, *args, **kwargs):
        if not hasattr(cls, '_instance'):
            cls._instance = super(LoggerHandler, cls).__new__(cls)
        return cls._instance

    def __init__(self, log_name, log_level, file_path, stream_level='info', file_level='warning'):
        self.logger_name = log_name
        self.logger_level = log_level
        self.file_path = file_path
        self.stream_level = stream_level
        self.file_level = file_level

        # 创建日志对象
        self.logger = logging.getLogger(self.logger_name)
        # 设置默认日志级别
        self.logger.setLevel(self.logger_level)
        # 设置日志输出流
        to_stream = logging.StreamHandler()
        to_file = logging.FileHandler(self.file_path)
        # 设置日志输出级别
        to_stream.setLevel(self.stream_level)
        to_file.setLevel(self.file_level)
        # 设置日志输出格式
        formatter = logging.Formatter("%(asctime)s %(name)s %(levelname)s %(message)s")
        to_stream.setFormatter(formatter)
        to_file.setFormatter(formatter)
        self.logger.addHandler(to_stream)
        self.logger.addHandler(to_file)


log = LoggerHandler(
    log_name='log',
    log_level=logging.INFO,
    file_path='./log.log',
    stream_level=logging.INFO,
    file_level=logging.WARNING
)

log.logger.info('info')
log.logger.error('error')
log.logger.warning('warning')