### Python Logging 模块的使用方法 Python 的 `logging` 模块是一个标准库，用于生成和管理系统日志[^2]。以下是关于该模块的核心概念以及具体实现方式。 #### 基本配置与日志级别 `logging` 提供了多种级别的日志记录功能，默认情况下不会自动显示低于设置的日志等级的消息。可以通过调用 `basicConfig()` 方法快速完成基础配置： ```python import logging # 配置日志的基本参数 logging.basicConfig(level=logging.DEBUG) # 不同类型的日志消息 logging.debug('这是一个调试信息') # 调试级 logging.info('这是一个一般信息') # 通知级 logging.warning('这是一个警告信息') # 警告级 logging.error('这是一个错误信息') # 错误级 logging.critical('这是一个严重错误信息') # 致命级 ``` 上述代码展示了不同日志级别的输出示例，其中每种日志都对应特定场景下的事件描述。 --- #### 自定义 Logger 对象 为了更好地管理和区分来自不同组件的日志数据，推荐创建独立的 Logger 实例而非依赖根 logger: ```python import logging # 创建一个新的Logger对象并命名它为my_logger logger = logging.getLogger('my_logger') logger.setLevel(logging.DEBUG) # 设置最低触发级别 # 定义处理器以决定日志发送目标 (这里是控制台) ch = logging.StreamHandler() ch.setLevel(logging.DEBUG) # 设定格式化器指定日志样式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') # 将格式应用至处理器上 ch.setFormatter(formatter) # 把处理器加入到Logger实例中去 logger.addHandler(ch) # 使用自定义Logger发出日志 logger.debug('这是由 my_logger 发布的一条 debug 日志.') ``` 此部分说明了如何构建更加复杂的日志环境，包括但不限于设定专属名称、调整阈值、定制外观等方面的内容[^3]。 --- #### 文件轮转机制 当项目运行时间较长或者产生的日志量较大时，考虑采用文件分割策略有助于维护可读性和存储效率。下面展示了一个基于定时旋转保存本地磁盘上的例子： ```python from datetime import datetime import logging.handlers rf_handler = logging.handlers.TimedRotatingFileHandler( 'run.log', when='midnight', # 单位周期设为每天一次 interval=1, # 时间间隔数等于一天长度 backupCount=7 # 只保留最近七天的历史文档副本 ) rf_handler.suffix = "%Y-%m-%d_%H-%M-%S" rf_handler.atTime = datetime.time(0, 0, 0, 0) log_formatter = logging.Formatter("%(asctime)s | %(levelname)-8s| %(message)s") rf_handler.setFormatter(log_formatter) root_logger = logging.getLogger('') root_logger.addHandler(rf_handler) root_logger.setLevel(logging.INFO) for _ in range(10): root_logger.info("测试新一日志...") ``` 上面脚本实现了按日期切割存档的功能，并且能够限定历史数量以防无限增长占用过多空间资源等问题发生[^5]。 ---