掌握Python日志处理器（副标题：从入门到精通logging模块的使用与配置）

什么是日志处理器（Handler）？

在 Python 的 logging 模块中，日志处理器 负责将日志记录（Log Record）发送到指定的目标位置，比如控制台、文件、网络服务等。你可以为同一个日志器（Logger）添加多个处理器，从而实现“一条日志，多处输出”。

常见的处理器类型包括：

• StreamHandler：输出到控制台（如 sys.stdout）
• FileHandler：写入到文件
• RotatingFileHandler：按文件大小轮转的日志文件
• TimedRotatingFileHandler：按时间（天/小时）轮转的日志文件

基础示例：使用 StreamHandler 输出到控制台

下面是一个最简单的日志记录示例，使用 StreamHandler 将日志打印到终端：

import logging# 创建一个 loggerlogger = logging.getLogger('my_logger')logger.setLevel(logging.DEBUG)# 创建一个 handler，用于输出到控制台handler = logging.StreamHandler()handler.setLevel(logging.DEBUG)# 创建一个 formatter，定义日志格式formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')handler.setFormatter(formatter)# 将 handler 添加到 loggerlogger.addHandler(handler)# 测试日志logger.info('这是一条信息日志')logger.warning('这是一条警告日志')

运行上述代码，你将在控制台看到类似以下输出：

2024-06-01 10:30:45,123 - my_logger - INFO - 这是一条信息日志2024-06-01 10:30:45,124 - my_logger - WARNING - 这是一条警告日志

进阶示例：同时输出到控制台和文件

在实际项目中，我们通常希望日志既能在控制台实时查看，又能保存到文件中供后续分析。这时可以为同一个 logger 添加多个处理器：

import logging# 创建 loggerlogger = logging.getLogger('dual_logger')logger.setLevel(logging.DEBUG)# 控制台处理器console_handler = logging.StreamHandler()console_handler.setLevel(logging.INFO)console_formatter = logging.Formatter('[CONSOLE] %(levelname)s - %(message)s')console_handler.setFormatter(console_formatter)# 文件处理器file_handler = logging.FileHandler('app.log', encoding='utf-8')file_handler.setLevel(logging.DEBUG)file_formatter = logging.Formatter(    '%(asctime)s - %(name)s - %(levelname)s - %(funcName)s:%(lineno)d - %(message)s')file_handler.setFormatter(file_formatter)# 添加处理器logger.addHandler(console_handler)logger.addHandler(file_handler)# 测试logger.debug('这条只写入文件')logger.info('这条会显示在控制台并写入文件')

注意：这里控制台只显示 INFO 及以上级别的日志，而文件记录所有 DEBUG 级别以上的日志，体现了处理器的灵活过滤能力。

使用 RotatingFileHandler 防止日志文件过大

当日志持续增长时，单个日志文件可能变得非常大，影响读取和管理。RotatingFileHandler 可以在文件达到指定大小后自动创建新文件：

import loggingfrom logging.handlers import RotatingFileHandlerlogger = logging.getLogger('rotating_logger')logger.setLevel(logging.INFO)# 最大文件大小为 1MB，保留最多5个备份文件rotating_handler = RotatingFileHandler(    'rotating_app.log',     maxBytes=1_000_000,  # 1MB    backupCount=5,    encoding='utf-8')formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')rotating_handler.setFormatter(formatter)logger.addHandler(rotating_handler)# 模拟大量日志for i in range(10000):    logger.info(f'这是第 {i+1} 条日志')

运行后，你会看到 rotating_app.log、rotating_app.log.1、rotating_app.log.2 等文件，有效控制了单个文件的体积。

最佳实践与总结

合理使用 Python 日志处理器 能极大提升项目的可维护性。以下是几点建议：

1. 始终为日志设置合适的级别（DEBUG/INFO/WARNING/ERROR/CRITICAL）
2. 使用 getLogger(__name__) 创建模块级 logger，便于定位问题
3. 在生产环境中避免使用 print()，统一使用 logging
4. 对敏感信息（如密码、身份证号）进行脱敏处理后再记录

通过本文，你应该已经掌握了 logging模块 的基本用法、如何配置多种 日志处理器，以及如何实现灵活的 日志配置。无论你是初学者还是有一定经验的开发者，正确使用 Python日志记录 机制都将让你的代码更加健壮和专业。

现在就去优化你的项目日志吧！