学会充分利用Python中的日志,提升你的编程level
off999 2024-11-23 20:48 16 浏览 0 评论
为什么使用日志而不使用print()
日志记录对于程序员来说是一个非常重要的功能。对于调试和显示运行时信息,日志记录同样有用。在本文中,我将介绍为什么以及如何在程序中使用python的日志模块。
打印语句和日志输出之间有一个关键的区别。通常,打印语句写到标准输出(stdout),期望它是有用的信息或程序的输出。但是,日志被写入标准错误(stderr)。我们可以如下演示这个场景。
import logging
logging.basicConfig(level=logging.INFO) #We'll talk about this soon!
logging.warning('Something bad could happen!')
logging.info('You are running the program')
logging.error('Aw snap! Everything failed.')
print("This is the program output")
现在,如果我运行这个程序,我将在命令行中看到以下内容。
$ python log_test.py
WARNING:root:Something bad could happen!
INFO:root:You are running the program
ERROR:root:Aw snap! Everything failed.
This is the program output
然而,对于普通用户来说,这些信息太多了。尽管这实际上是在命令行中一起显示的,但数据被写入两个单独的流中。因此,典型的用户应该执行以下操作。
$ python log_test.py > program_output.txt
WARNING:root:Something bad could happen!
INFO:root:You are running the program
ERROR:root:Aw snap! Everything failed.
$ cat program_output.txt
This is the program output
在这里,通过重定向>,将有用的程序输出写入一个文件。这样我们就可以看到终端上发生了什么,并方便地在文件中获得输出。现在让我们尝试理解日志级别!
日志和日志级别
日志记录可能由于不同的原因而发生。这些原因分为以下严重程度。
- 调试:为开发人员调试信息,如计算值、估计参数、url、API调用等。
- 信息:信息,没什么严重的。
- 警告:对用户的输入、参数等的警告。
- 错误:报告由用户在程序中所做的事情或发生的事情引起的错误。
- CRITICAL:最高优先级的日志输出。用于关键问题(取决于用例)。
最常见的日志类型有DEBUG、INFO和ERROR。但是,很容易出现python抛出版本不匹配警告的情况。
配置记录器和日志处理程序
记录器可以在不同的参数下配置。日志记录器可以配置为遵循特定的日志级别、文件名、文件模式和打印日志输出的格式。
配置日志采集器参数
日志记录器可以进行如下配置。
import logging
logging.basicConfig(filename='program.log', filemode='w', level=logging.DEBUG)
logging.warning('You are given a warning!')
上面的设置要求记录器将日志输出到名为program.log的文件中。filemode= ' w '定义了写入文件的性质。例如,'w'打开一个新文件,覆盖在那里的任何东西。默认情况下,这个参数是'a',它将以附加模式打开日志文件。有时,拥有一个日志历史记录是很有用的。level参数定义日志记录的最低级别。例如,如果将其设置为INFO,则不会打印调试日志。您可能见过,程序需要以inverbose=debug模式运行才能查看一些参数。默认级别为INFO。
创建日志处理程序
尽管上面的方法对于一个简单的应用程序来说很简单,但是对于生产就绪的软件或服务,我们需要一个全面的日志记录过程。这是因为很难在数百万的调试日志中找到特定的错误日志。此外,我们需要在整个程序和模块中使用单个日志记录器。这样我们就可以正确地将日志追加到同一个文件中。为此,我们可以为该任务使用具有不同配置的处理程序。
import logging
logger = logging.getLogger("My Logger")
logger.setLevel(logging.DEBUG)
console_handler = logging.StreamHandler()
file_handler = logging.FileHandler('file.log', mode='w')
console_handler.setLevel(logging.INFO)
file_handler.setLevel(logging.DEBUG)
logger.addHandler(console_handler)
logger.addHandler(file_handler)
您可以看到,我们首先得到一个传递名称的记录器。这使我们能够在程序的其他地方重用相同的日志程序。我们将全局日志记录级别设置为DEBUG。这是最低的日志级别,因此允许我们在其他处理程序中使用任何日志级别。
接下来,我们为控制台和文件编写创建两个处理程序。对于每个处理器,我们都提供了一个日志级别。这有助于减少控制台输出的开销,并将它们传输到文件处理程序。使以后处理调试变得容易。
格式化日志输出
日志不仅仅是打印我们自己的消息。有时我们需要打印其他信息,比如时间、日志级别和进程id。对于这个任务,我们可以使用日志格式。让我们看看下面的代码。
console_format = logging.Formatter('%(name)s - %(levelname)s - %(message)s')
file_format = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
console_handler.setFormatter(console_format)
file_handler.setFormatter(file_format)
在向记录器添加处理程序之前,我们可以如上所述对日志输出进行格式化。还有更多的参数可以用于此。你可以在这里找到它们。
重用代码
下面是一个日志代码片段,我将继续在我的许多应用程序中使用它。我想这对作为读者的你可能有用。
import logging
logger = logging.getLogger('Program Name-Version')
logger.setLevel(logging.DEBUG)
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
consoleHeader = logging.StreamHandler()
consoleHeader.setFormatter(formatter)
consoleHeader.setLevel(logging.INFO)
fileHandler = logging.FileHandler(f"{output}/metabcc-lr.log")
fileHandler.setLevel(logging.DEBUG)
fileHandler.setFormatter(formatter)
logger.addHandler(fileHandler)
logger.addHandler(consoleHeader)
- 上一篇:Python教程:第15篇 while 循环语句
- 下一篇:python中日志记录
相关推荐
- Python开发管理神器--UV 使用教程:从安装到项目管理
-
UV是一个用Rust编写的高效Python包和项目管理工具,提供了比传统工具更快的速度和更强的功能。本文将指导你如何使用UV从安装到运行一个Python项目。重点:它可以独立安装,可...
- python入门-Day 26: 优化与调试(python优化方法)
-
优化与调试,内容包括处理模型运行中的常见问题(内存、依赖)、调整参数(如最大生成长度),以及练习改进Day25的文本生成结果。我会设计一个结构化的任务,帮助你掌握优化和调试技巧,同时提升模型性能...
- Python安装(python安装发生严重错误)
-
Windows系统1.安装python1.1下载Python安装包打开官方网站:https://www.python.org/downloads/点击"DownloadPython3.1...
- UV 上手指南:Python 项目环境/包管理新选择
-
如果你是一位Python开发者,曾因pipinstall的安装速度而感到沮丧,或者希望Python的依赖管理能够像Node.js那样高效顺滑,那么UV可能正是你所需要的工具。UV...
- uv——Python开发栈中的高效全能小工具
-
每天写Python代码的同学,肯定都离不开pip、virtualenv、Poetry等基础工具,但是对这些工具可能是又恨又离不开。那么有什么好的替代呢,虫虫今天就给大家介绍一个替代他们的小工具uv,一...
- 使用Refurb让你的Python代码更加优秀
-
还在担心你写的Python代码是否专业,是否符合规范吗?这里介绍一个Python代码优化库Refurb,使用它可以给你的代码提出更加专业的建议,让你的代码更加的可读,规范和专业。下面简单介绍这个库的使...
- 【ai】dify+python开发AI八字排盘插件
-
Dify插件是什么?你可以将Dify插件想象成赋予AI应用增强感知和执行能力的模块化组件。它们使得将外部服务、自定义功能以及专用工具以”即插即用”的简洁方式集成到基于Dify构建的AI...
- 零基础AI开发系列教程:Dify升级指南
-
Dify近期发布很是频繁,基本两三天一个版本。值得肯定的是优化和改进了很多问题,但是官方的升级文档有点分散,也有点乱。我这里整理了一个升级文档供大家参考,如果还没有升级到新版本的小伙伴,可以按照我的文...
- 升级到PyTorch 2.0的技巧总结(如何更新pytorch版本)
-
来源:DeepHubIMBA本文约6400字,建议阅读12分钟在本文将演示PyTorch2.0新功能的使用,以及介绍在使用它时可能遇到的一些问题。PyTorch2.0发布也有一段时间了,大家...
- dify 1.6.0版本发布解读:引入MCP支持与多项核心优化升级指南详解
-
2025年7月10日,dify发布了1.6.0版本。这是一次功能深度升级与性能优化的综合性更新,标志着dify在技术规范支持、操作体验以及系统稳定性方面迈出了重要的一步。本文将从核心新特性、功能增强、...
- Python教程(十四):列表(List)(python列表方法总结)
-
昨天,我们学习了变量作用域,理解了局部和全局变量的概念。今天,我们将开始探索Python的数据结构,从最常用的**列表(List)**开始。列表是Python中最灵活、最常用的数据结构,它可以存储不同...
- Python列表操作(python列表有哪些基本操作)
-
Python添加列表4分钟阅读在Python操作列表有各种方法。例如–简单地将一个列表的元素附加到for循环中另一个列表的尾部,或使用+/*运算符、列表推导、extend()和i...
- Python字符串变形术:replace替换+join连接,10分钟掌握核心操作
-
字符串替换魔法:replace()实战手册核心价值:一键更新文本内容,精准控制替换范围#基础替换:Python变Javas="hellopython"print(s.re...
- python集合set() 数据增册改查统计序循常用方法和数学计算
-
概念特点定义和创建常用操作集合间的关系集合数学操作集合生成式遍历概念:可变、无序、不重复的序列数据容器特点:无序,不支持下标唯一性,可以删除重复数据可修改定义和创建赋值法:语法:s={x,....
- Python列表方法append和extend的区别
-
在Python编程中,列表是一种非常常用的数据结构。而列表有两个方法append()和extend(),它们看起来有点相似,但实际上有着明显的区别。今天咱们就来好好唠唠这俩方法到底有啥不同。基本区别a...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python字典遍历 (54)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python读取文件夹下所有文件 (59)
- java调用python脚本 (56)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)