### 使用 Python 的 `logging` 模块详细记录脚本执行过程 为了全面记录脚本的执行情况，可以通过配置 `logging` 模块的不同组件（Logger、Handler 和 Formatter），并设置合适的日志级别来捕获不同类型的事件。 #### 1. 导入模块 首先需要导入 `logging` 模块以便使用其功能[^1]。 ```python import logging from logging.handlers import TimedRotatingFileHandler ``` #### 2. 创建和配置日志记录器 通过调用 `basicConfig()` 方法可以快速完成基础的日志配置。如果需要更复杂的场景，则需手动创建 Logger 对象，并为其添加 Handler 和 Formatter[^3]。 以下是详细的配置方法： ```python logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 设置最低日志等级为 DEBUG ``` #### 3. 添加处理器 (Handlers) 处理器决定了日志消息的目标位置，比如控制台或文件。这里展示如何同时将日志写入文件以及打印到终端[^2]。 ##### 控制台输出 ```python console_handler = logging.StreamHandler() console_handler.setLevel(logging.INFO) # 只显示 INFO 级别及以上的内容至屏幕 formatter_console = logging.Formatter('%(name)s - %(levelname)s - %(message)s') console_handler.setFormatter(formatter_console) logger.addHandler(console_handler) ``` ##### 文件输出 对于长期存储的需求，推荐采用时间轮转方式保存每日单独的日志文件。 ```python file_handler = TimedRotatingFileHandler('app.log', when="midnight", interval=1, backupCount=7) file_handler.suffix = "%Y-%m-%d" file_handler.setLevel(logging.DEBUG) # 记录所有级别的信息于文件中 formatter_file = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') file_handler.setFormatter(formatter_file) logger.addHandler(file_handler) ``` #### 4. 日志记录示例 一旦完成了上述配置，就可以在代码任意处利用 logger 实例发出不同类型的消息了。 ```python def main(): try: logger.info("Script started.") result = some_function_that_may_fail() if not result: raise ValueError("Operation failed!") logger.debug(f"Result was {result}.") except Exception as e: logger.error("An error occurred.", exc_info=True) if __name__ == "__main__": main() ``` 这样就实现了对整个脚本生命周期内的详尽跟踪。