[译] Python 3.8 官方 Logging 文档：基础部分

在《 后端问题如何快速定位？
》中老张强调了日志的重要性，也提到了使用日志需要的注意的一些问题。但是并没有提到实践方式，其实掌握一个工具最快的方法就是阅读官方文档，老张试着翻译了Python3.8官方Logging文档，由于官方文档实在是长，所以会分成两到三篇文章。官方文档给出了非常详细的设计思想、实践方式，相信你读完肯定会非常受用。
日志是用来的记录程序运行事件的工具。当程序员可以通过添加日志打印的代码来记录程序运行过程中发生的某些事件时。这些事件包含了诸如变量数据在内的描述信息，当然也包括开发人员认为重要的诸如日志级别等信息。
什么时候使用Loggin包

针对简单的场景，Loggin包提供了一系列方便的函数。其中包括debug()、info()、warning()、error()以及
critical()。下面的表格列举了什么函数适用于什么场景。

日志函数的命名依据于约定俗成的事件级别。不同事件级别的适用范围可以参考下面的这个表格（按照级别的严重程度升序排列）：

缺省的事件级别为 WARNING
，也就是说只有 WAR
NIN
G
级别已经高于 WAR
NIN
G
级别的事件可以被捕捉到。如果需要其他级别的信息，可以显式的设置日志级别。
针对捕捉到的运行事件有多种的处理措施，最简单的措施就是在控制台打印出来，当然也可以把这些事件信息记录到磁盘。

简单演示

下面是一个非常简单的用例：

import logging

logging.warning('Watch out!')  # 信息会被输出到控制台

logging.info('I told you so')  # 这时不会打印任何信息

运行上述代码，执行结果如下：

WARNING:root:Watch out!

INFO
级别的消息没有输出是因为缺省的日志级别是 WARNING
级别。观察输出信息，其中包含了日志级别以及调用日志函数时的入参信息（示例中为 ‘Watch out!’
）。你可能会对中间的root有些疑惑，稍后会解释的。实际使用时，你可以根据需要灵活调整输出格式，对于输出格式稍后也会进一步解释。

把日志写入文件

这一部分是介绍比较实用的一种形式——是把日志记录在文件中。如果你打算运行下面的代码示例，记得新打开一个Python运行界面，而不是继续使用上面运行过的。

import logging

logging.basicConfig(filename='example.log',level=logging.DEBUG)

logging.debug('This message should go to the log file')

logging.info('So should this')

logging.warning('And this, too')

执行完这段代码之后，打开日志文件就会发现多了这些日志内容：

DEBUG:root:This message should go to the log file

INFO:root:So should this

WARNING:root:And this, too

上面的实例也展示了可以在一开始通过配置改变日志级别。因为一开始就把日志级别设置为了 DEBUG
，所以对应的日志也被记录了下来。
如果你你希望通过以下方式在命令行配置日志级别：

--log=INFO

如果向–log传递了符合规范的变量值，可以使用：

getattr(logging, loglevel.upper())

来获取入参，进而传递给basicConfig()函数。或许你也想到了需要对入参进行校验，下面提供了一个校验入参的示例：

# assuming loglevel is bound to the string value obtained from the

# command line argument. Convert to upper case to allow the user to

# specify --log=DEBUG or --log=debug

numeric_level = getattr(logging, loglevel.upper(), None)

if not isinstance(numeric_level, int):

    raise ValueError('Invalid log level: %s' % loglevel)

logging.basicConfig(level=numeric_level, ...)

basicConfig()函数的调用必须在debug()、info()以及其他日志输出函数之前。必须指出的是，baiscConfig()函数仅在第一次调用的时候生效，再次调用将不会产生任何作用。

如果你多次运行了上面的代码，你会发现日志文件里保存了多次运行的日志信息。可能你不需要把每次运行的日志信息都记录下来，而是仅保留最新的一次，那么你可以通过改变 filemode
 
入参来实现，下面是一个示例：

logging.basicConfig(filename='example.log', filemode='w', level=logging.DEBUG)

这样话，虽然多次运行都是一样的日志，但是只有最新一次的运行日志被保留下来，之前的都会被刷掉。

在多个模块中使用Logging

如果你的程序包含多个模块，你可以参考下面的示例来组织你的代码：

# myapp.py

import logging

import mylib




def main():

    logging.basicConfig(filename='myapp.log', level=logging.INFO)

    logging.info('Started')

    mylib.do_something()

    logging.info('Finished')




if __name__ == '__main__':

    main()

# mylib.py

import logging




def do_something():

    logging.info('Doing something')

运行 myapp.py
后，你会发现 myapp.log
记录的日志信息如下：

INFO:root:Started

INFO:root:Doing something

INFO:root:Finished

实际结果和你期望的一样。 mylib.py
的示例你可以灵活运用在你自己的多模块程序中。不过，需要注意的是，在这个简单的示例中，不同py文件的日志被穿插保存。《高级部分》（老张后面的推送会更新）部分会提供给你进一步的区分不同py文件日志信息的方法。

记录变量信息

通过格式化字符串的方式可以将想要保存的描述信息以及变量方便的保存下来。举个例子：

import logging

logging.warning('%s before you %s', 'Look', 'leap!')

运行结果如下：

WARNING:root:Look before you leap!

和你看到的一样，将变量格式化到描述信息的方式是使用的%这种旧的形式。这是为了向后兼容：logging包比新的格式化方式（比如str.format()、string.Template）诞生的要早。虽然logging也支持新的格式化方式，但是这里不做介绍。