python 重要的日志模块logging

来源:千锋教育
发布时间:2023-11-07 11:12:20
分享

logging模块简介

logging模块是Python内置的标准模块,主要用于输出运行日志,可以设置输出日志的等级、日志保存路径、日志文件回滚等;相比print,具备如下优点:

可以通过设置不同的日志等级,在release版本中只输出重要信息,而不必显示大量的调试信息;

print将所有信息都输出到标准输出中,严重影响开发者从标准输出中查看其它数据;logging则可以由开发者决定将信息输出到什么地方,以及怎么输出;

将我们记录内容从记录方式中真正分离,保证了软件不同部分的合作。举个例子,他允许一个框架或者库的开发者增加日志并且让系统管理员或者负责运行配置的人员决定稍后应该记录什么。

logging模块主要分为四个部分:

Loggers:提供应用程序直接使用的接口

Handlers:将Loggers产生的日志传到指定位置

Filters:对输出日志进行过滤

Formatters:控制输出格式

1,记录器(Logger)

记录器是开发者经常交互的对象,那么主要的API说明了我们想要记录的内容。

举个记录器的例子,我们可以分类请求发出的一条信息,而不用担心他们是如何从哪里被发出的。

2,日志记录

日志记录时logging模块用来满足所有需求信息的包。他们包含了需要记录日志的地方,变化的字符串,参数,请求的信息队列等信息。

他们都是被记录的对象,每次我们调用记录器时,都会生成这些对象。但是这些对象是如何序列化到流中的呢?那就是处理器。

3,处理器

处理器是将日志记录发送到其他输出终端,他们获取日志记录并用相关函数中处理他们。

比如,一个文件处理器将会获取一条记录,并且将它添加到文件中。

标准的logging模块已经具备了多种内置的处理器。例如:

多种文件处理器(TimeRotated,SizeRotated,Watched),可以写入文件中

StreamHandler输出目标流比如stdout或stderr

SMTPHandler通过email发送日志记录

SocketHandler将日志文件发送到流套接字

SyslogHandler、NTEventHandler、HTTPHandler及MemoryHandler等

4,格式器(Formatter)

各时期负责将丰富的元数据日志记录转换为字符串,如果什么都没有提供,将会有个默认的格式器。

一般的格式器类由logging库提供,采用模板和风格作为输入。然后占位符可以在一个logRecord对象中声明所有属性。

5,过滤器(Filters)

我们日志工具的最后一个对象就是过滤器。

过滤器允许对应该发送的日志记录进行细粒度控制。多种过滤器能同时应用在记录器和处理器中。对于一条发送的日志来说,所有的过滤器都应该通过这条记录。

用户可以声明他们自己的过滤器作为对象,使用filter方法获取日志记录作为输入,反馈True/False作为输出。

以上内容为大家介绍了python重要的日志模块logging,希望对大家有所帮助,如果想要了解更多Python相关知识,请关注IT培训机构:千锋教育。

声明:本站部分稿件版权来源于网络,如有侵犯版权,请及时联系我们。

相关推荐

  • Python 内嵌函数和闭包 内嵌函数:在函数内部定义函数,就是函数里面嵌套函数闭包:一个闭包就是你调用了一个函数A,这个函数A返回了一个函数B给你。这个返回的函数B就叫做闭包。(但是B函数,一定要是嵌套在函数A里面)。你在调用函
  • Python 递归函数 递归:函数调用自己本身递归的核心:1)递归推导式2)递归终止条件不过虽然递归很方便,但是尽量少用,以防栈溢出,而且会计算效率不高。'''例题:有5个人坐在一起,问第五个人多少岁
  • Python中的编码问题,中文乱码问题 如果不声明编码,则中文会报错,即使是注释也会报错。只要写中文,必须加一句:#--coding:utf-8--。文档编码是一种告诉程序——无论是计算机的操作系统还是Python代码——读取文档的规则。正
  • Python 之什么是类,什么是对象? 类即类别、种类,是面向对象设计最重要的概念,从一小节我们得知对象是特征与技能的结合体,而类则是一系列对象相似的特征与技能的结合体。那么问题来了,先有的一个个具体存在的对象(比如一个具体存在的人),还是
  • Python K-近邻算法概述 简单来说K-近邻算法采用测量不同特征值之间的距离方法进行分类。K最近邻(k-NearestNeighbor,KNN),是一种常用于分类的算法,是有成熟理论支撑的、较为简单的经典机器学习算法之一。该方法
  • Python k-近邻算法的优缺点 优点pythonk-近邻算法简单,易于理解,易于实现,无需参数估计,无需训练,即可以用来做分类也可以用来做回归和朴素贝叶斯算法比,对数据没有假设,准确度高,对异常值不敏感(个别噪音数据对结果的影响不是