logging 模块自 2.3 版以来一直是 Python 标准库的一部分。在 PEP 282 中有对它的简洁描述。除了 基础日志教程之外，这些文档是非常难以阅读的。

日志记录一般有两个目的：

  • 诊断日志 记录与应用程序操作相关的日志。例如，当用户遇到程序报错时， 可通过搜索诊断日志以获得上下文信息。
  • 审计日志 为商业分析而记录的日志。从审计日志中，可提取用户的交易信息， 并结合其他用户资料构成用户报告，或者用来作为优化商业目标的数据支撑。

… 或者使用打印（print）?

当需要在命令行应用中显示帮助文档时， print 是一个相对于日志更好的选择。 而在其他时候，日志总能优于 print ，理由如下：

  • 日志事件产生的 日志记录 ，包含清晰可用的诊断信息，如文件名称、路径、函数名和行号等。
  • 包含日志模块的应用，默认可通过根记录器对应用的日志流进行访问，除非你做了日志过滤。
  • 可通过 logging.Logger.setLevel() 方法有选择地记录日志， 或可通过设置 logging.Logger.disabled 属性为 True 来禁用日志记录。

在库中记录日志

官方的 日志指南 里有相关的 库日志配置 的说明。由于是 用户 ，而非库来指定如何响应日志事件， 因此这里有一个值得反复说明的忠告：

注意

强烈建议不要向您的库日志中加入除 NullHandler 外的其它处理程序。

在库中，声明日志的最佳方式是通过 __name__ 全局变量： logging 模块通过点（.）运算符创建层级排列的日志，因此，用 __name__ 可以避免名字冲突。

以下是一个来自 requests 资源 的最佳实践的例子 —— 请将它放置在 __init__.py 文件中：

1
2
import logging
logging.getLogger(__name__).addHandler(logging.NullHandler())

在应用程序中记录日志

应用程序开发的权威指南 《twelve factor app》 也在其中一节描述了 日志的作用 。它特别强调将日志视为事件流， 并将其发送至取决于应用环境配置的标准输出中。

至少有以下三种配置日志方式：

  • 使用 INI 格式文件：
    • 优点：使用 logging.config.listen() 函数监听 socket，可在运行过程中更新配置
    • 缺点：相比代码里控制，可控性要弱（ 例如 子类化定制的 filters 或 loggers）。
  • 使用字典或 JSON 格式文件：
    • 优点：除了可在运行时动态更新，在 Python 2.6 之后，还可通过 json 模块从其它文件中导入配置。
    • 缺点：相比代码里控制，可控性要弱
  • 使用代码控制：
    • 优点：相比配置来讲，有绝对的控制。
    • 缺点：需要对源码进行修改。

参考资料