Python logging 模块:专家级教程,从入门到精通
简介
logging 模块是 python 中用于日志记录的标准库。它提供了对应用程序中事件进行日志记录的统一界面,并允许开发人员定义日志级别的细粒度控制、格式化日志消息以及将日志输出到各种目标(例如文件、控制台或网络套接字)。
入门
创建一个 Logger
要开始日志记录,首先需要创建一个 logger 对象。logger 可以通过 logging.getLogger(name)
函数创建,其中 name
是一个标识符字符串,用于识别logger。
import logging # 创建一个名为 "my_logger" 的 logger logger = logging.getLogger("my_logger")
记录日志消息
可以使用 logger.log(level, msg, *args, **kwargs)
方法记录日志消息,其中:
level
:日志消息的级别。msg
:日志消息的。*args
和**kwargs
:可选参数,用于格式化日志消息。
logger.info("程序已启动") logger.error("发生错误!")
日志级别
logging 模块定义了以下日志级别(从最低到最高):
- DEBUG:用于调试目的的详细信息。
- INFO:用于常规应用程序消息。
- WARNING:用于引起注意的问题。
- ERROR:用于错误和例外情况。
- CRITICAL:用于严重错误或应用程序崩溃。
- NOTSET:禁用日志记录。
可以将日志级别设置为 logger.level
属性。例如,要将 my_logger
的级别设置为 WARNING
,可以使用:
logger.level = logging.WARNING
格式化器
格式化器用于控制日志消息的外观。可以通过 logging.F<strong class="keylink">ORM</strong>atter
类创建格式化器,它具有以下参数:
fmt
:日志消息的格式字符串。datefmt
:日期和时间的格式字符串(可选)。
# 创建一个格式化器,包含时间戳、日志级别和日志消息 formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
处理器
处理器用于将日志消息输出到特定目标。logging 模块提供了一些开箱即用的处理器,例如:
logging.StreamHandler
:将日志消息输出到控制台。logging.FileHandler
:将日志消息输出到文件。logging.<strong class="keylink">Socket</strong>Handler
:将日志消息输出到网络套接字。
# 创建一个处理器,将日志消息输出到控制台 handler = logging.StreamHandler() # 将格式化器添加到处理器 handler.setFormatter(formatter) # 将处理器添加到 logger logger.addHandler(handler)
过滤器
过滤器用于根据特定条件筛选日志消息。logging 模块提供了以下过滤器:
logging.Filter
:基本过滤器,允许或拒绝日志消息。logging.LevelFilter
:基于日志级别筛选日志消息。logging.MessageFilter
:基于日志消息本身筛选日志消息。
# 创建一个过滤器,仅允许 INFO 和 WARNING 级别的日志消息 filter = logging.LevelFilter(logging.INFO) # 将过滤器添加到处理器 handler.addFilter(filter)
高级用法
层次结构日志记录
Python logging 模块支持层次结构日志记录,其中 logger 可以继承其父 logger 的属性和行为。这允许建立一个具有不同级别的日志细粒度的日志记录结构。
自定义日志记录级别
还可以创建自定义日志记录级别,以便更好地适应应用程序的特定需求。这可以通过 logging.addLevelName(level_name, level_value)
函数实现。
扩展 Logging 模块
可以通过自定义类和函数扩展 logging 模块,以实现更高级或特定的日志记录功能。例如,可以创建自己的处理器或过滤器来满足特定要求。
结论
Python logging 模块是一个强大的工具,用于应用程序中的日志记录。它提供了灵活性和可定制性,允许开发人员根据应用程序的特定需求构建日志记录系统。通过遵循本教程中概述的基本原则和高级技术,可以最大限度地利用 logging 模块,并为应用程序实现高效且信息丰富的日志记录。
以上是Python logging 模块:专家级教程,从入门到精通的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

PHP和Python各有优劣,选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。

在CentOS系统上启用PyTorchGPU加速,需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程:CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如,您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网,根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前

Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好,适合初学者,但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大,JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富,但Python适合从官方文档开始,JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。

Docker利用Linux内核特性,提供高效、隔离的应用运行环境。其工作原理如下:1. 镜像作为只读模板,包含运行应用所需的一切;2. 联合文件系统(UnionFS)层叠多个文件系统,只存储差异部分,节省空间并加快速度;3. 守护进程管理镜像和容器,客户端用于交互;4. Namespaces和cgroups实现容器隔离和资源限制;5. 多种网络模式支持容器互联。理解这些核心概念,才能更好地利用Docker。

在CentOS系统上进行PyTorch分布式训练,需要按照以下步骤操作:PyTorch安装:前提是CentOS系统已安装Python和pip。根据您的CUDA版本,从PyTorch官网获取合适的安装命令。对于仅需CPU的训练,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,请确保已安装对应版本的CUDA和cuDNN,并使用相应的PyTorch版本进行安装。分布式环境配置:分布式训练通常需要多台机器或单机多GPU。所

在CentOS系统上安装PyTorch,需要仔细选择合适的版本,并考虑以下几个关键因素:一、系统环境兼容性:操作系统:建议使用CentOS7或更高版本。CUDA与cuDNN:PyTorch版本与CUDA版本密切相关。例如,PyTorch1.9.0需要CUDA11.1,而PyTorch2.0.1则需要CUDA11.3。cuDNN版本也必须与CUDA版本匹配。选择PyTorch版本前,务必确认已安装兼容的CUDA和cuDNN版本。Python版本:PyTorch官方支

CentOS 安装 Nginx 需要遵循以下步骤:安装依赖包,如开发工具、pcre-devel 和 openssl-devel。下载 Nginx 源码包,解压后编译安装,并指定安装路径为 /usr/local/nginx。创建 Nginx 用户和用户组,并设置权限。修改配置文件 nginx.conf,配置监听端口和域名/IP 地址。启动 Nginx 服务。需要注意常见的错误,如依赖问题、端口冲突和配置文件错误。性能优化需要根据具体情况调整,如开启缓存和调整 worker 进程数量。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。
