Python的日志输出_python日志输出到文件

logging模块

一、 基础使用

1、 简介

程序都有记录日志的需求，并且日志中包含的信息既有正常的程序访问日志，还可能有错误、警告等信息输出。
python的logging模块提供了标准的日志接口，可以通过它存储各种格式的日志，logging的日志分为debug(), info(), warning(), error() and critical()5个级别。
python默认只打印warning级别以上的日志

日志基础：

两种记录日志的方式：

• 第一种方式是使用logging提供的模块级别的函数
• 第二种方式是使用Logging日志系统的四大组件

其实模块级别的日志记录函数也是对logging日志系统相关类的封装。

2、 常用函数

模块级别的常用函数

默认只有warning级别以上的日志会打印

3、 日志配置

basicConfig所有参数信息

format所有参数列表

示例：

#!/usr/bin/python3
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo01.py"
__time__ = "2022/8/4 10:38"

import logging

logging.basicConfig(level=logging.DEBUG, format='%(asctime)s | %(levelname)s | %(message)s', datefmt='%Y-%m-%d %I:%M:%S %p')
# level 配置最低打印的日志级别
# format 格式化输出子让孩子信息
logging.error("error")
logging.log(logging.DEBUG, "%s is %s old", 'Tom', '12')  # 如果信息里面有变量，可以通过增加参数数量的方法来输出完整内容
1
2
3
4
5
6
7
8
9
10
11
12
13

注意：

• logging.debug()等方法的定义中，除了msg和args参数外，还有一个**kwargs参数。它们支持3个关键字参数:exc_info, stack_info, extra，下面对这几个关键字参数作个说明。
  • exc_info： 其值为布尔值，如果该参数的值设置为True，则会将异常信息添加到日志消息中。如果没有异常信息则添加None到日志信息中
  • stack_info：其值也为布尔值，默认值为False。如果该参数的值设置为True，栈信息将会被添加到日志信息中
  • extra：这是一个字典（dict）参数，它可以用来自定义消息格式中所包含的字段，但是它的key不能与logging模块定义的字段冲突

二、 日志进阶

1、 四大组件

组件之间的关系

• 日志器（logger）需要通过处理器（handler）将日志信息输出到目标位置，如：文件、sys.stdout、网络等
• 不同的处理器（handler）可以将日志输出到不同的位置
• 日志器（logger）可以设置多个处理器（handler）将同一条日志记录输出到不同的位置
• 每个处理器（handler）都可以设置自己的过滤器（filter）实现日志过滤，从而只保留感兴趣的日志
• 每个处理器（handler）都可以设置自己的格式器（formatter）实现同一条日志以不同的格式输出到不同的地方

日志器（logger）是入口，真正干活儿的是处理器（handler），处理器（handler）还可以通过过滤器（filter）和格式器（formatter）对要输出的日志内容做过滤和格式化等处理操作

2、 Logger组件

2.1 常用方法

Logger对象有三个任务要做：

• 向应用程序代码暴露几个方法，使应用程序可以在运行时记录日志消息
• 基于日志严重等级（默认的过滤设施）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感兴趣的日志handlers

Logger对象最常用的方法分为两类：配置方法 和 发送方法

Logger.exception()与Logger.error()的区别在于：Logger.exception()将会输出堆栈追踪信息，另外一个通常只是在一个exception handler中调用该方法

2.2 获取对象

一种方式是通过Logger类的实例化方法创建一个Logger类的实例，更通常的方法是用logging.getLogger()方法
logging.getLogger()方法有一个可选参数name，该参数表示将要返回的日志器的名称标识，如果不提供该参数，则其值为'root'。若以相同的name参数值多次调用getLogger()方法，将会返回指向同一个logger对象的引用。

# 聊天工具的图形界面模块可以这样获得它的Logger：
LOG = logging.getLogger(”chat.gui”)

# 核心模块可以这样：
LOG = logging.getLogger(”chat.kernel”)
1
2
3
4
5

2.3 层级等级

logger的层级结构与有效等级：

• 层级结构
  logger的名称是一个以’.‘分割的层级结构，每个’.‘后面的logger都是’.'前面的logger的children
• 有效等级
  如果一个logger上没有被明确设置一个level，那么该logger就是使用它parent的level,直到找到个一个明确设置了level的祖先为止。root logger总是会有一个明确的level设置（默认为 WARNING）。当决定是否去处理一个已发生的事件时，logger的有效等级将会被用来决定是否将该事件传递给该logger的handlers进行处理
• 继承关系
  child loggers在完成对日志消息的处理后，默认会将日志消息传递给与它们的祖先loggers相关的handlers。因此不必所有loggers定义和配置handlers，只需要为一个顶层的logger配置handlers，然后按照需要创建child loggers就可足够了。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，默认为True

3、 Handler组件

3.1 组件用途

Handler对象的作用是（基于日志消息的level）将消息分发到handler指定的位置（文件、网络、邮件等）。Logger对象可以通过addHandler()方法为自己添加0个或者更多个handler对象。比如，一个应用程序可能想要实现以下几个日志需求：

• 把所有日志都发送到一个日志文件中
• 把所有严重级别大于等于error的日志发送到stdout（标准输出）
• 把所有严重级别为critical的日志发送到一个email邮件地址

这种场景就需要3个不同的handlers，每个handler负责发送一个特定级别的日志到一个特定的位置

3.2 组件方法

应用程序代码不应该直接实例化和使用Handler实例。因为Handler是一个基类，它只定义了所有handlers都应该有的接口

常用的Handler

具体使用可以参照官方文档：https://docs.python.org/zh-cn/3/library/logging.handlers.html

4、 Formater组件

4.1 用途语法

日志的formatter是个独立的组件，可以跟handler组合。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='%')
1

参数：

• fmt：指定消息格式化字符串，如果不指定该参数则默认使用message的原始值
• datefmt：指定日期格式字符串，如果不指定该参数则默认使用"%Y-%m-%d %H:%M:%S"
• style：可取值为 ‘%’, ‘{‘和 ‘$’，如果不指定该参数则默认使用’%’

4.2 使用案例

#!/usr/bin/python3
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo01.py"
__time__ = "2022/8/4 10:38"

import logging

LOG = logging.getLogger()
fh = logging.FileHandler("access.log")
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
fh.setFormatter(formatter)  # 把formater绑定到fh上
LOG.addHandler(fh)
LOG.warning("test")  
1
2
3
4
5
6
7
8
9
10
11
12
13
14

5、 Filter组件

Filter可以被Handler和Logger用来做比level更细粒度的、更复杂的过滤功能。Filter是一个过滤器基类，它只允许某个logger层级下的日志事件通过过滤。该类定义如下：

class logging.Filter(name='A.B')
    filter(record)
1
2

一个filter实例化时传递的name参数值为’A.B’，那么该filter将只允许名称为类似'A.B'，'A.B,C'，'A.B.C.D'，'A.B.D'的loggers产生的日志记录通过过滤。如果name为空字符串，则允许所有的日志事件通过过滤。

filter方法用于具体控制传递的record记录是否能通过过滤，如果该方法返回值为0表示不能通过过滤，返回值为非0表示可以通过过滤。

若需要，可以在filter(record)方法内部改变该record，比如添加、删除或修改一些属性
还可以通过filter做一些统计工作，如计算一个特殊的logger或handler所处理的record数量等

使用示例：

class IgnoreBackupLogFilter(logging.Filter):
    """忽略带db backup 的日志"""
    def filter(self, record): # 固定写法
        return   "db backup" not in record.getMessage()

logger.addFilter(IgnoreBackupLogFilter())  # 自定义过滤器
logger.warning("start to run db backup job ....")
logger.error("test error ....")
1
2
3
4
5
6
7
8

三、 配置文件

1. 使用配置方法的 Python 代码显式创建记录器，处理程序和格式化程序
2. 创建日志记录配置文件并使用该fileConfig()功能读取它
3. 创建配置信息字典并将其传递给 dictConfig()函数

1、 conf文件

[loggers]  # 设置两个日志记录器，root和core，用来区分运行的文件
keys=root, core

[handlers]  # 设置handles
keys=consoleHandler,fileHandler

[formatters] # 设置格式化处理
keys=simpleFormatter

[logger_root]  # 配置root日志输出
level=DEBUG
handlers=fileHandler

[logger_core]  # 配置core的日志输出
level=DEBUG
# 输出最低级别为debug
handlers=consoleHandler,fileHandler
# 添加控制台输出和文件输出
qualname=core
# 配置输出名字，一定要和日志输出的同名，相当于实例化中的参数name，root可以不用配置
propagate=0
# 是否要传递给祖先处理器，如果为1，则会输出多遍，父类也会输出

[handler_consoleHandler]  # 配置控制台输出consoleHandler
class=StreamHandler
level=WARNING
formatter=simpleFormatter
args=(sys.stdout,)

[handler_fileHandler]  # 配置文件输出fileHandler
class=FileHandler
level=DEBUG
formatter=simpleFormatter
args=('test.log','a+')

[formatter_simpleFormatter]  # 配置输出格式化simpleFormatter
format=%(asctime)s - %(name)s - %(levelname)s - %(message)s
datefmt=%Y-%m-%d %I:%M:%S %p
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

使用方法：

#!/usr/bin/python3
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo.py"
__time__ = "2022/8/4 11:42"

import logging
from logging.config import fileConfig, dictConfig

fileConfig("config.conf")
LOG = logging.getLogger("core")
LOG.error("这个是core对象的输出哦")
LOG = logging.getLogger()
LOG.error("这个是root对象输出哦")
1
2
3
4
5
6
7
8
9
10
11
12
13
14

2、 yaml文件

环境配置：pip install PyYAML

我们先把上面的conf文件转换为yaml文件

version: 1.0
formatters:
  simpleFormatter:
    format: '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
    datefmt: '%Y-%m-%d %I:%M:%S %p'
handlers:
  fileHandler:
    class: logging.FileHandler
    level: DEBUG
    formatter: simpleFormatter
    filename: test.log
    mode: a
    encoding: utf8
  consoleHandler:
    class: logging.StreamHandler
    level: WARNING
    formatter: simpleFormatter
    stream: ext://sys.stdout  # 注意这个哦
loggers:
  root:
    level: DEBUG
    handlers: [fileHandler]
  core:
    level: DEBUG
    handlers: [consoleHandler,fileHandler]
    qualname: core
    propagate: 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

使用方法：

#!/usr/bin/python3
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo.py"
__time__ = "2022/8/4 11:42"
import yaml
import logging
from logging.config import fileConfig, dictConfig

# fileConfig("config.conf")
with open("config.yaml", 'r', encoding='utf-8') as f:
    config = yaml.load(f.read(), yaml.FullLoader)
    dictConfig(config)

LOG = logging.getLogger("core")
LOG.error("这个是core对象的输出哦")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16