日志可以说是每个开发人员必备的功能 ，通过它可以方便的帮我们找出程序中的一些错误 ，因此要使用到一个好的日志模块或方法对我们来说，也是比较重要的 。接下来我们就介绍python中支持输出日志的4个方法或模块，它们分别是：

print()pprint()loggingloguru

1.print()

print是一个内置函数，可以直接调用，也是在写代码时最常用的打印函数 。我们最常用的就是输入一个变量，然后进行打印，其实在print中有如下参数：

sep : 在值之间插入字符串，默认为空格。end : 在最后一个值之后附加的字符串，默认为换行符flush: 是否强制刷新，这个参数一般和file一起使用 。file : 输出到文件

代码示例：

以下对print中不同的参数进行代码示例

将print语句的输出信息写入到文件中 。需要注意的是：若输出到文件时，不加flush 或者flush=False时，默认先将print输出信息写入内存中，当文件关闭时才把文件进行输出 ；但是当flush=True时，每次print的信息都会直接写入到文件中 。

2.pprint()

pprint()方法能够打印python的各种数据结构，使用这个方法可以将数据结构美化，从而在看起来更加方便 。

pprint()方法是包含在pprint模块中的，在pprint模块中还有好几个方法，这里我们只介绍pprint()方法

若要使用pprint，需要先进行安装 。

安装命令：

pip install pprint

接下来，我们需要导入pprint()，

导入命令：

from pprint import pprint

pprint方法中也可以传入多个参数 ，具体如下：

命令说明：

pprint(object, stream=None, indent=1, width=80, depth=None, *,compact=False)

object ：具体的数据stream:输出文件流，若不填写，默认为控制台indent: 数据进行换行时的缩进width : 每一行数据的默认宽度(长度)，超过后换行depth: 要展示数据结构的深度，超过深度会以...代替

示例代码：

1.通过width和indent可以控制数据的每行宽度和每行开头的缩进

2.通过depth可以控制数据结构的层级，多于参数中的值，数据结构会被...代替。

3.将数据输出到文件中

3.logging模块

logging是python内置的一个日志模块，它可以将日志分为不同的级别，按不同级别的日志进行输出 ；其次它还可以对日志进行格式化，对输出的信息显示更加美观 ; 同时也支持将日志输出到不同地方，如控制台或文件中 。

在logging中提供了很多的函数和类，以满足日志输出的不同需求，以下表格记录了logging模块中主要的函数，类或者常量 。

3.1 输出不同级别日志

通过上图我们可以看到，无论何种实现方式，只是将warning级别及以上日志输出，但是并没有讲debug和info日志输出 。这是什么原因导致的呢 ？

其实答案就是在logging模块内，它会设置一个默认的日志级别，当我们调用不同的日志方法时，其内部要进行一步和默认的日志进行比较，若小于设置的日志级别，则不会往出输出 。而默认的日志级别就是WARNING。以下为logging模块内部源代码设置，经实测，修改此默认设置会改变日志输出 。

root = RootLogger(WARNING)Logger.root = rootLogger.manager = Manager(Logger.root)

3.2 基本配置方法basicConfig()

在上一个部分我们看到，每条日志的输出格式为：

WARNING:root:这是一条warning日志ERROR:root:这是一条error日志

总结起来就是： 日志级别:日志名称:日志内容 ,但是这样的日志格式太过简陋，不能很好帮我们定位程序中出现的问题 。那如果我们想自定义日志的输出格式怎么办呢 ？ 其中方法之一就是使用basicConfig() .

首先我们来看下，basicConfig都有哪些参数 ？

配置日志信息，将日志写入到文件中 ：

配置日志级别和格式：

通过level可以设置日志级别，可以通过format可以自定义日志格式 ，具体如下：

最后需要说明的是，通过basicConfig配置后的对象是一个单例，只要进行了自定义配置，后续再使用logging就都会按照自定义的配置执行了 。

3.3 日志处理器：Handler

Handler的作用是将日志分发到handler指定的位置，如控制台、文件、网络、邮件等。但是需要注意的是，Handler是一个父类，在Handler类中并没有去实现如上面描述的功能（输出到文件，控制台等），真正完成这些功能的是Handler的子类。所以，我们要使用Handler的功能，一般都是直接调用Handler的子类 ，具体包含的子类有：

但是在Handler这个类中，有两个常用的方法 ，无论使用哪个子类，基本都会使用到这两个方法 。

3.4 日志格式化器：Formatter

Formater对象用于配置日志信息的顺序、结构和内容。虽然这个类的构造方法中有三个参数，但是有只有一个是常用到的，也就是要输出日志的格式内容 。

比如我要自定义的日志格式为：

import logging#自定义日志格式fmt = '%(asctime)s %(levelname)s [%(name)s] [%(filename)s(%(funcName)s:%(lineno)d)] - %(message)s'formatter = logging.Formatter(fmt)

若想要按照如上格式输出，还需要将创建的formatter加入到日志处理器中 。所以，以上代码还需完善，具体如下：

import logging # 创建控制台处理器sh = logging.StreamHandler()#自定义日志格式fmt = '%(asctime)s %(levelname)s [%(name)s] [%(filename)s(%(funcName)s:%(lineno)d)] - %(message)s'formatter = logging.Formatter(fmt)# 将日志格式化器加入到处理器sh.setFormatter(formatter)

但是即便这样，还是无法按照自定义格式输出 ，这是因为我们还需要将处理器最终加入到日志器中 。那么接下来我们就来了解下日志器 。

3.5 日志器：Logger

日志器的主要作用是配置日志级别和接收日志处理器中的对象，以确定最终将日志要输出到哪 ？所以我们要先初始化一个Logger的对象 。

logger  = logging.Logger('test',level=logging.DEBUG)

在初始化logger对象时，需要在Logger中传递两个参数，第一个是日志名称，第二个是日志级别 。如上所示 。

初始化日志对象后，即可通过Logger中的addHandler()方法来添加日志处理器了 ，具体如下：

需要注意的是，以上申明日志器对象时，必须要传入一个日志名称，而这个名称，有时候并非是一个重要选项 ，可能我们也不关注这个日志名称是什么？ 那么我们可否不传递这个日志名称而直接获得一个Logger对象呢 ？ 答案是可以的 ，但是需要调用一个方法，即getLogger()。也就是说上面的初始化logger对象代码可以修改为如下：

import logginglogger = logging.getLogger()

那么，通过如上申明logger也能正常使用，这时如果传递了日志name,则日志名字就会按照传递后的名字显示，若没有传递，则默认为root .

3.6 日志过滤器：Filter

Filter可以被Logger用来做更细粒度的、更复杂的过滤功能。它只允许某个logger层级下的日志事件通过过滤。该类定义如下：

class logging.Filter(name='')    filter(record)

比如，一个filter实例化时传递的name参数值为'A.B'，那么该filter实例将只允许名称为类似如下规则的loggers产生的日志记录通过过滤：'A.B'，'A.B,C'，'A.B.C.D'，'A.B.D'，而名称为'A.BB', 'B.A.B'的loggers产生的日志则会被过滤掉。如果name的值为空字符串，则允许所有的日志事件通过过滤器。

3.7 实现自定义日志器的流程

当需要在程序中封装自己的日志处理器的话，我们就会用到了处理器（Handler）,格式化器(Formatter)及日志器（Logger）了，而使用他们的基本流程也都是如下所示 ：

以下为代码示例

def log_config():    #创建日志器    logger = logging.getLogger()    logger.setLevel(logging.INFO)    #创建控制台输出器    sh = logging.StreamHandler()    #创建文件输出器    log_dir = Path(BASE_DIR + '/log')    if not log_dir.is_dir():        os.mkdir(log_dir)    log_file = os.path.join(log_dir,'ihrm.log')    th = logging.handlers.TimedRotatingFileHandler(log_file,when='midnight',interval=1,backupCount=7,encoding='utf-8')    #创建格式化器    fmt = '%(asctime)s %(levelname)s [%(name)s] [%(filename)s(%(funcName)s:%(lineno)d)] - %(message)s'    formatter = logging.Formatter(fmt)    #把格式化器加入输出器    sh.setFormatter(formatter)    th.setFormatter(formatter)    #把处理器加入日志器    logger.addHandler(sh)    logger.addHandler(th)

4.loguru模块

和logging一样，loguru也是一个日志库，所不同的是，这个第三方库基本不需要做任何配置就可以直接使用，而且很重要的一点是使用的logger对象无需创建，直接导入的logger对象也是单例模式，直接使用即可。要想使用它需要先安装。

安装命令：

pip install loguru

导入

from loguru import logger

4.1 输出不同级别的日志

从以上可以看到，我们直接导入的logger其实就是一个对象 ，通过该对象可以直接调用不同级别的日志方法 。另外，我们也注意到，该日志输出后还是带不同颜色的 ，而且默认输出日志格式就很清晰，比较容易定位问题 。

4.2 输出到文件：add方法

很多情况下，我们会将日志输出到文件 ，那么对于loguru输出到文件的配置也有非常强大的支持 ，比如格式按级别输出，输出多个文件，文件自动分隔等等 。那么这些功能的支持其实就需要一个方法就可以搞定，也就是add方法 。

常用参数

可以看到，add方法中其实有很多参数 ，那么接下来我们先了解几个常用的参数 。

sys.stderr ： 输出文件format ：设置格式化filter : 过滤器level ：设置级别日志分隔

如果想对日志进行分隔，比如按文件大小分隔，或者定时分隔，在add方法中，只需要一个参数即可搞定 。这个参数就是rotation，具体代码如下：

logger.add("file_1.log", rotation="500 MB")    # 每隔500M重新生成一个新文件logger.add("file_2.log", rotation="12:00")     # 每天12点生成一个新文件logger.add("file_3.log", rotation="1 week")    # 每隔一周生成一个新文件logger.add("file_X.log", retention="10 days")  # 每隔10天生成一个新文件logger.add("file_Y.log", compression="zip")    # 文件写入后同时压缩该文件为zip格式

4.3 日志格式化

除了以上功能外，输出的日志可以像format方法一样，可以对日志进行格式化 。

4.4 记录崩溃日志

在很多情况下，在代码运行出错的地方没有配置日志 ，我们就没法追踪错误所在了 。但是使用loguru的装饰器，我们就可以直接进行 跟着错误日志了 的记录了，类似这样的配置即可：

from loguru import logger@logger.catchdef my_function(x, y, z):    # An error? It's caught anyway!    return 1 / (x + y + z)my_function(0,0,0)

可以看出，当程序报错时，我们可以很清晰的看到错误的代码以及报错后各种输出信息 。

5.总结

最后，我们将上面的4个方法或模块放在一起做一个对比，以确定它们各自的优缺点 。

从上图基本可以看出 ，它们都各有优势 ， 我们不好说那个是最好的，但都有各自的使用场景 。

print : 更加使用程序快速打印，不在乎日志格式，只想更快看到结果 ，一般用于程序的某个片段或者单点进行调试输出 。pprint: 对元组，列表，字典数据打印更加直观友好，若输出的是这种格式，可以优先考虑pprint .logging :对实现一个系统或框架时比较合适 ，而且对日志需求有更高要求，可以优先考虑loggingloguru ：对实现一个系统或框架也比较合适 ，但是更加轻量化，不需要配置 ，若对日志需求要求不高，可优先考虑loguru