Python - logging 日志库

本文涉及的产品
日志服务 SLS,月写入数据量 50GB 1个月
简介: Python - logging 日志库

logging的简单介绍


用作记录日志,默认分为六种日志级别(括号为级别对应的数值)

  1. NOTSET(0)
  2. DEBUG(10)
  3. INFO(20)
  4. WARNING(30)
  5. ERROR(40)
  6. CRITICAL(50)


special

  • 在自定义日志级别时注意不要和默认的日志级别数值相同
  • logging 执行时输出大于等于设置的日志级别的日志信息,如设置日志级别是 INFO,则 INFO、WARNING、ERROR、CRITICAL 级别的日志都会输出。

 

logging常见对象


  • Logger:日志,暴露函数给应用程序,基于日志记录器和过滤器级别决定哪些日志有效。
  • LogRecord :日志记录器,将日志传到相应的处理器处理。
  • Handler :处理器, 将(日志记录器产生的)日志记录发送至合适的目的地。
  • Filter :过滤器, 提供了更好的粒度控制,它可以决定输出哪些日志记录。
  • Formatter:格式化器, 指明了最终输出中日志记录的格式。

 

logging基本使用


logging 使用非常简单,使用  basicConfig() 方法就能满足基本的使用需要;如果方法没有传入参数,会根据默认的配置创建Logger 对象,默认的日志级别被设置为 WARNING,该函数可选的参数如下表所示。

参数名称

参数描述

filename

日志输出到文件的文件名

filemode

文件模式,r[+]、w[+]、a[+]

format

日志输出的格式

datefat

日志附带日期时间的格式

style

格式占位符,默认为 "%" 和 “{}”

level

设置日志输出级别

stream

定义输出流,用来初始化 StreamHandler 对象,不能 filename 参数一起使用,否则会ValueError 异常

handles

定义处理器,用来创建 Handler 对象,不能和 filename 、stream 参数一起使用,否则也会抛出 ValueError 异常


logging代码

1 logging.debug("debug")
2 logging.info("info")
3 logging.warning("warning")
4 logging.error("error")5 logging.critical("critical")


测试结果

1 WARNING:root:warning
2 ERROR:root:error
3 CRITICAL:root:critical

但是当发生异常时,直接使用无参数的  debug()info()warning()error()critical() 方法并不能记录异常信息,需要设置  exc_info=True 才可以,或者使用  exception() 方法,还可以使用  log() 方法,但还要设置日志级别和  exc_info 参数


1 a = 5
2 b = 0
3 try:
4     c = a / b
5 except Exception as e:
6     # 下面三种方式三选一,推荐使用第一种
7     logging.exception("Exception occurred")
8     logging.error("Exception occurred", exc_info=True)
9     logging.log(level=logging.ERROR, msg="Exception occurred", exc_info=True)


logging之Formatter对象


Formatter 对象用来设置具体的输出格式,常用格式如下表所示

格式

变量描述

%(asctime)s

将日志的时间构造成可读的形式,默认情况下是精确到毫秒,如 2018-10-13 23:24:57,832,可以额外指定 datefmt 参数来指定该变量的格式

%(name)

日志对象的名称

%(filename)s

不包含路径的文件名

%(pathname)s

包含路径的文件名

%(funcName)s

日志记录所在的函数名

%(levelname)s

日志的级别名称

%(message)s

具体的日志信息

%(lineno)d

日志记录所在的行号

%(pathname)s

完整路径

%(process)d

当前进程ID

%(processName)s

当前进程名称

%(thread)d

当前线程ID

%threadName)s

当前线程名称

 

logging封装类


1 #!/usr/bin/env python
 2 # -*- coding: utf-8 -*-
 3 
 4 """
 5 __title__  = logging工具类
 6 __Time__   = 2019/8/8 19:26
 7 """
 8 import logging
 9 from logging import handlers
10 
11 
12 class Loggers:
13     __instance = None
14 
15     def __new__(cls, *args, **kwargs):
16         if not cls.__instance:
17             cls.__instance = object.__new__(cls, *args, **kwargs)
18         return cls.__instance
19 
20     def __init__(self):
21         # 设置输出格式
22         formater = logging.Formatter(
23             '[%(asctime)s]-[%(levelname)s]-[%(filename)s]-[%(funcName)s:%(lineno)d] : %(message)s')
24         # 定义一个日志收集器
25         self.logger = logging.getLogger('log')
26         # 设定级别
27         self.logger.setLevel(logging.DEBUG)
28         # 输出渠道一 - 文件形式
29         self.fileLogger = handlers.RotatingFileHandler("./test.log", maxBytes=5242880, backupCount=3)
30 
31         # 输出渠道二 - 控制台
32         self.console = logging.StreamHandler()
33         # 控制台输出级别
34         self.console.setLevel(logging.DEBUG)
35         # 输出渠道对接输出格式
36         self.console.setFormatter(formater)
37         self.fileLogger.setFormatter(formater)
38         # 日志收集器对接输出渠道
39         self.logger.addHandler(self.fileLogger)
40         self.logger.addHandler(self.console)
41 
42     def debug(self, msg):
43         self.logger.debug(msg=msg)
44 
45     def info(self, msg):
46         self.logger.info(msg=msg)
47 
48     def warn(self, msg):
49         self.logger.warning(msg=msg)
50 
51     def error(self, msg):
52         self.logger.error(msg=msg)
53 
54     def excepiton(self, msg):
55         self.logger.exception(msg=msg)
56 
57 
58 loggers = Loggers()
59 
60 if __name__ == '__main__':
61     loggers.debug('debug')
62     loggers.info('info')


logzero封装类


1 #!/usr/bin/env python
 2 # -*- coding: utf-8 -*-
 3 
 4 """
 5 __title__  = logzero日志封装类
 6 __Time__   = 2019/8/8 19:26
 7 """
 8 import logging
 9 
10 import logzero
11 from logzero import logger
12 
13 
14 class Logzero(object):
15     __instance = None
16 
17     def __new__(cls, *args, **kwargs):
18         if not cls.__instance:
19             cls.__instance = object.__new__(cls, *args, **kwargs)
20         return cls.__instance
21 
22     def __init__(self):
23         self.logger = logger
24         # console控制台输入日志格式 - 带颜色
25         self.console_format = '%(color)s' \
26                               '[%(asctime)s]-[%(levelname)1.1s]-[%(filename)s]-[%(funcName)s:%(lineno)d] 日志信息: %(message)s ' \
27                               '%(end_color)s '
28         # 创建一个Formatter对象
29         self.formatter = logzero.LogFormatter(fmt=self.console_format)
30         # 将formatter提供给setup_default_logger方法的formatter参数
31         logzero.setup_default_logger(formatter=self.formatter)
32 
33         # 设置日志文件输出格式
34         self.formater = logging.Formatter(
35             '[%(asctime)s]-[%(levelname)s]-[%(filename)s]-[%(funcName)s:%(lineno)d] 日志信息: %(message)s')
36         # 设置日志文件等级
37         logzero.loglevel(logging.DEBUG)
38         # 输出日志文件路径和格式
39         logzero.logfile("F:\\imocInterface\\log/tests.log", formatter=self.formater)
40 
41     def debug(self, msg):
42         self.logger.debug(msg=msg)
43 
44     def info(self, msg):
45         self.logger.info(msg=msg)
46 
47     def warning(self, msg):
48         self.logger.warning(msg=msg)
49 
50     def error(self, msg):
51         self.logger.error(msg=msg)
52 
53     def exception(self, msg):
54         self.logger.exception(msg=msg)
55 
56 
57 logzeros = Logzero()
58 
59 if __name__ == '__main__':
60     logzeros.debug("debug")
61     logzeros.info("info")
62     logzeros.warning("warning")
63     logzeros.error("error")
64     a = 5
65     b = 0
66     try:
67         c = a / b
68     except Exception as e:
69         logzeros.exception("Exception occurred")
相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
相关文章
|
16天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
19天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
51 0
|
5天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
13天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
49 4
|
13天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
25 2
|
1月前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
18天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
38 7
|
19天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
24 3
|
22天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
46 5
|
20天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
31 2
下一篇
无影云桌面