Python logging通过配置FileHandler将日志输出到文件，可设置编码、格式和级别；使用RotatingFileHandler或TimedRotatingFileHandler实现按大小或时间滚动日志，避免文件过大；多线程下logging自带线程安全，多进程需用QueueHandler和QueueListener保证安全；可通过addLevelName自定义日志级别如TRACE；在Django或Flask等Web框架中可通过配置文件或app.logger集成日志功能，实现灵活的日志管理。
Python logging如何输出到文件？简单来说，就是配置logging模块，让它不仅在控制台显示日志，还能把日志保存到指定的文件里，方便后续分析和排查问题。
解决方案：
-
基础配置：
import logging # 创建一个logger logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 设置日志级别 # 创建一个handler，用于写入日志文件 fh = logging.FileHandler('my_log.log', encoding='utf-8') fh.setLevel(logging.DEBUG) # 定义日志格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') fh.setFormatter(formatter) # 将handler添加到logger logger.addHandler(fh) # 记录日志 logger.debug('This is a debug message') logger.info('This is an info message') logger.warning('This is a warning message') logger.error('This is an error message') logger.critical('This is a critical message')这段代码创建了一个名为
my_logger的logger，并设置了日志级别为DEBUG。 然后，创建了一个FileHandler，指定日志文件名为my_log.log，并设置编码为utf-8，避免中文乱码问题。 定义了一个日志格式，包括时间、logger名称、日志级别和消息内容。最后，将FileHandler添加到logger中，这样logger产生的日志就会写入到文件中。 编码设置很重要，特别是处理中文的时候，不设置的话，很有可能出现乱码。立即学习“Python免费学习笔记（深入）”；
-
更灵活的配置方式：使用
logging.basicConfig如果你觉得上面的方式有点繁琐，可以使用
logging.basicConfig来简化配置：import logging logging.basicConfig(filename='my_log.log', level=logging.DEBUG, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', encoding='utf-8') logger = logging.getLogger('my_logger') logger.debug('This is a debug message') logger.info('This is an info message') logger.warning('This is a warning message') logger.error('This is an error message') logger.critical('This is a critical message')logging.basicConfig可以一次性配置日志文件名、日志级别、日志格式等。 注意，logging.basicConfig只能调用一次，多次调用只有第一次生效。 所以，如果你需要在不同的地方使用不同的配置，还是建议使用第一种方式。 -
更高级的配置：使用
logging.config对于更复杂的配置，例如需要同时输出到多个文件、使用不同的日志级别、自定义handler等，可以使用
logging.config模块，通过读取配置文件的方式进行配置。创建一个名为
logging.conf的配置文件：[loggers] keys=root, my_logger [handlers] keys=consoleHandler, fileHandler [formatters] keys=myFormatter [logger_root] level=WARNING handlers=consoleHandler [logger_my_logger] level=DEBUG handlers=fileHandler qualname=my_logger propagate=0 [handler_consoleHandler] class=StreamHandler level=WARNING formatter=myFormatter args=(sys.stdout,) [handler_fileHandler] class=FileHandler level=DEBUG formatter=myFormatter args=('my_log.log', 'a', 'utf-8') ; filename, mode, encoding [formatter_myFormatter] format=%(asctime)s - %(name)s - %(levelname)s - %(message)s datefmt=然后在Python代码中使用
logging.config.fileConfig加载配置文件：import logging import logging.config import sys logging.config.fileConfig('logging.conf') logger = logging.getLogger('my_logger') logger.debug('This is a debug message') logger.info('This is an info message') logger.warning('This is a warning message') logger.error('This is an error message') logger.critical('This is a critical message')这种方式的优点是配置和代码分离，方便修改和维护。 配置文件可以使用
ini格式，也可以使用yaml格式。 使用yaml格式需要安装PyYAML库。
如何设置日志文件的滚动？防止日志文件过大
日志文件一直增长会占用大量磁盘空间，所以需要设置日志文件的滚动。 logging.handlers模块提供了RotatingFileHandler和TimedRotatingFileHandler两种方式来实现日志文件的滚动。
-
RotatingFileHandler：按文件大小滚动import logging from logging.handlers import RotatingFileHandler # 创建一个logger logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 创建一个handler，用于写入日志文件 # maxBytes：单个日志文件的最大大小，单位是字节 # backupCount：保留的日志文件数量 rfh = RotatingFileHandler('my_log.log', maxBytes=1024*1024, backupCount=5, encoding='utf-8') rfh.setLevel(logging.DEBUG) # 定义日志格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') rfh.setFormatter(formatter) # 将handler添加到logger logger.addHandler(rfh) # 记录日志 for i in range(10000): logger.debug(f'This is a debug message {i}')RotatingFileHandler会根据文件大小进行滚动。 当日志文件达到maxBytes指定的大小时，会自动创建一个新的日志文件，并将原来的日志文件重命名。backupCount指定了保留的日志文件数量，超过这个数量的日志文件会被删除。 -
TimedRotatingFileHandler：按时间滚动import logging from logging.handlers import TimedRotatingFileHandler import datetime # 创建一个logger logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 创建一个handler，用于写入日志文件 # when：指定滚动的时间间隔，例如'S'（秒）, 'M'（分）, 'H'（小时）, 'D'（天）, 'W'（周）, 'midnight'（每天凌晨） # interval：滚动的时间间隔的倍数 # backupCount：保留的日志文件数量 trfh = TimedRotatingFileHandler('my_log.log', when='D', interval=1, backupCount=7, encoding='utf-8') trfh.setLevel(logging.DEBUG) # 定义日志格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') trfh.setFormatter(formatter) # 将handler添加到logger logger.addHandler(trfh) # 记录日志 for i in range(1000): logger.debug(f'This is a debug message {i}') print(f"Current time: {datetime.datetime.now()}")TimedRotatingFileHandler会根据时间进行滚动。when参数指定了滚动的时间间隔，例如'D'表示每天滚动一次，'midnight'表示每天凌晨滚动一次。interval参数指定了滚动的时间间隔的倍数，例如when='D', interval=2表示每两天滚动一次。
如何在多线程或多进程中使用logging？
在多线程或多进程中使用logging需要注意线程安全和进程安全的问题。 多个线程或进程同时写入同一个日志文件可能会导致日志内容混乱或丢失。
-
线程安全：使用
logging.Locklogging模块本身是线程安全的，但是如果多个线程同时使用同一个handler写入日志文件，可能会出现问题。 可以使用logging.Lock来保证线程安全。import logging import threading # 创建一个logger logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 创建一个handler，用于写入日志文件 fh = logging.FileHandler('my_log.log', encoding='utf-8') fh.setLevel(logging.DEBUG) # 定义日志格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') fh.setFormatter(formatter) # 将handler添加到logger logger.addHandler(fh) # 创建一个锁 log_lock = threading.Lock() def log_message(message): with log_lock: logger.debug(message) # 创建多个线程 threads = [] for i in range(5): t = threading.Thread(target=log_message, args=(f'This is a message from thread {i}',)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join()在这个例子中，我们创建了一个
threading.Lock对象，并在写入日志之前获取锁，写入日志之后释放锁。 这样可以保证同一时间只有一个线程可以写入日志文件，避免了线程安全问题. 其实logging模块内部已经使用了锁，在大多数情况下，不需要手动添加锁。 -
进程安全：使用
logging.handlers.QueueHandler和logging.handlers.QueueListener在多进程中使用logging需要使用
logging.handlers.QueueHandler和logging.handlers.QueueListener。QueueHandler将日志消息放入一个队列中，QueueListener从队列中读取日志消息并写入到日志文件中。 这样可以避免多个进程同时写入同一个日志文件，保证进程安全。import logging import logging.handlers import multiprocessing import queue # 创建一个队列 log_queue = queue.Queue(-1) # 创建一个handler，用于写入日志文件 file_handler = logging.FileHandler('my_log.log', encoding='utf-8') file_handler.setLevel(logging.DEBUG) # 定义日志格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') file_handler.setFormatter(formatter) # 创建一个listener listener = logging.handlers.QueueListener(log_queue, file_handler) listener.start() def log_message(i): # 创建一个logger logger = logging.getLogger(f'process_{i}') logger.setLevel(logging.DEBUG) # 创建一个queue handler queue_handler = logging.handlers.QueueHandler(log_queue) logger.addHandler(queue_handler) logger.debug(f'This is a message from process {i}') # 创建多个进程 processes = [] for i in range(5): p = multiprocessing.Process(target=log_message, args=(i,)) processes.append(p) p.start() # 等待所有进程结束 for p in processes: p.join() # 停止listener listener.stop()在这个例子中，我们创建了一个
queue.Queue对象，用于存储日志消息。 然后，创建了一个QueueHandler，并将日志消息放入队列中。 创建了一个QueueListener，从队列中读取日志消息并写入到日志文件中。 这样可以保证多个进程安全地写入日志文件。
如何自定义日志级别？
Python logging 模块预定义了几个日志级别：DEBUG, INFO, WARNING, ERROR, CRITICAL。 但是，有时候我们需要自定义日志级别，例如，我们需要添加一个TRACE级别，用于记录更详细的调试信息。
import logging
# 定义一个新的日志级别
TRACE = 5
logging.addLevelName(TRACE, 'TRACE')
# 创建一个logger
logger = logging.getLogger('my_logger')
logger.setLevel(TRACE)
# 为logger添加一个trace方法
def trace(self, message, *args, **kws):
if self.isEnabledFor(TRACE):
self._log(TRACE, message, args, **kws)
logging.Logger.trace = trace
# 创建一个handler，用于写入日志文件
fh = logging.FileHandler('my_log.log', encoding='utf-8')
fh.setLevel(TRACE)
# 定义日志格式
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
fh.setFormatter(formatter)
# 将handler添加到logger
logger.addHandler(fh)
# 记录日志
logger.trace('This is a trace message')
logger.debug('This is a debug message')
logger.info('This is an info message')
logger.warning('This is a warning message')
logger.error('This is an error message')
logger.critical('This is a critical message')首先，我们使用logging.addLevelName函数定义了一个新的日志级别TRACE，并将其值设置为5。 然后，我们为logging.Logger类添加了一个trace方法，用于记录TRACE级别的日志。 最后，我们就可以像使用其他日志级别一样使用trace级别了。 需要注意的是，自定义的日志级别的值必须小于logging.DEBUG的值，大于logging.CRITICAL的值。 通常情况下，TRACE级别的值设置为5，DEBUG级别的值设置为10。
如何在Django或Flask等Web框架中使用logging？
在Django或Flask等Web框架中使用logging，通常需要在项目的配置文件中配置logging。
-
Django:
在
settings.py文件中配置logging：LOGGING = { 'version': 1, 'disable_existing_loggers': False, 'formatters': { 'verbose': { 'format': '{levelname} {asctime} {module} {process:d} {thread:d} {message}', 'style': '{', }, 'simple': { 'format': '{levelname} {message}', 'style': '{', }, }, 'handlers': { 'file': { 'level': 'DEBUG', 'class': 'logging.FileHandler', 'filename': 'django.log', 'formatter': 'verbose' }, }, 'loggers': { 'django': { 'handlers': ['file'], 'level': 'INFO', 'propagate': True, }, 'my_app': { # 你的app名称 'handlers': ['file'], 'level': 'DEBUG', # 设置你的app的日志级别 'propagate': False, }, }, }然后在你的代码中使用logging：
import logging logger = logging.getLogger('my_app') # 使用你的app名称 def my_view(request): logger.debug('This is a debug message') logger.info('This is an info message') logger.warning('This is a warning message') logger.error('This is an error message') logger.critical('This is a critical message') # ...在Django中，你需要确保
LOGGING配置正确，并且使用正确的logger名称。 通常情况下，logger名称应该与你的app名称相同。 -
Flask:
在Flask中，你可以直接使用
logging模块，或者使用Flask提供的app.logger对象。from flask import Flask import logging app = Flask(__name__) app.logger.setLevel(logging.DEBUG) # 设置Flask app的日志级别 # 或者使用logging模块 # logger = logging.getLogger('my_app') # logger.setLevel(logging.DEBUG) @app.route('/') def index(): app.logger.debug('This is a debug message') # 使用app.logger app.logger.info('This is an info message') app.logger.warning('This is a warning message') app.logger.error('This is an error message') app.logger.critical('This is a critical message') # logger.debug('This is a debug message') # 或者使用logging模块 return 'Hello, World!' if __name__ == '__main__': # 配置logging logging.basicConfig(filename='flask.log', level=logging.DEBUG, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s') app.run(debug=True)在Flask中，你可以使用
app.logger对象来记录日志，也可以直接使用logging模块。 如果你使用logging模块，需要手动配置logging。
总而言之，Python logging模块非常强大，可以灵活地配置日志输出到文件，并且支持日志滚动、多线程/多进程安全、自定义日志级别等高级功能。 掌握logging模块的使用，可以帮助你更好地调试和维护你的Python程序。
