Python 日志模块 logging 的封装艺术:从零构建高效日志工具

Python日志模块logging的高效封装与实战应用 本文针对Python日志模块logging配置混乱、难以维护的痛点,提出了一套高效封装与实战应用的最佳实践方案。通过构建可复用的日志类、采用单例模式确保全局配置一致,并集成日志轮转、动态级别调整等高级特性,帮助开发者构建清晰、规范且易于维护的日志系统,显著提升项目可观测性与团队协作效率。 阅读详情

1. 为什么你的日志总是一团糟?从零开始的封装思考

每次写Python项目,你是不是也这样:项目初期,随手在main.py开头写上几行logging.basicConfig,觉得日志嘛,能打印出来就行。随着项目膨胀,模块越来越多,你发现A模块的日志跑到了B模块的文件里,线上出问题想查个ERROR日志,结果在几十万行INFO里大海捞针,更别提那些因为重复初始化导致的日志重复打印、文件权限问题、日志文件无限膨胀把磁盘撑爆的“惊喜”了。痛定思痛,我经历过太多这样的项目,最后发现,问题的根源往往不是logging模块本身不够强大,而是我们使用它的方式太“随意”了。

Python自带的logging模块其实是个被低估的“瑞士军刀”,功能非常全面,但它的默认使用方式就像给你一堆散装的、顶级的汽车零件,却让你自己从零开始组装一辆能上路的车。对于需要长期维护、多人协作的中大型项目,这种“散装”用法是灾难的源头。我们需要的是一个封装好的、即插即用的“日志工具箱”,这就是我们今天要聊的日志封装艺术。

封装不是简单的代码打包,而是一种设计思维。一个好的日志工具类,应该像项目的基础设施一样,稳定、可靠、对使用者透明。开发者只需要关心“在哪里打什么级别的日志”,而无需操心日志怎么被记录、存储、轮转和收集。这不仅能极大提升开发效率,更能为后期的运维监控、问题排查提供坚实保障。接下来,我就把我踩过无数坑后总结出的,从零构建一个高效、健壮日志工具类的完整心法和实战代码,分享给你。

2. 设计蓝图:一个工业级日志类该有的样子

在动手写代码之前,我们先在脑子里画个蓝图。一个面向生产环境的日志工具类,绝不仅仅是把logging.getLogger包一下那么简单。我们需要系统性地考虑它的职责和特性。

首先,它必须是单例的。 这是很多新手最容易栽跟头的地方。想象一下,你在项目的十个模块里都import logging然后getLogger(‘my_app’),这没问题,因为logging模块内部保证了同名字的Logger对象是同一个。但如果你在每个模块里都new一个自己的Log类实例,并且每个实例都去添加FileHandler,那么一条日志消息就会被重复写入文件十次!单例模式确保全局只有一个日志配置核心,无论从哪里引用,操作的都是同一个日志实例。

其次,它需要灵活的处理器配置。 最基本的,我们要同时支持输出到控制台(方便本地调试)和输出到文件(用于持久化存档)。但光这样还不够。一个成熟的日志工具应该允许我们轻松地扩展更多处理器,比如:

  • 按日志级别分离:将ERROR和CRITICAL级别的日志单独写入一个error.log,方便监控报警系统抓取。
  • 按时间或大小轮转:防止单个日志文件过大,使用RotatingFileHandler(按大小轮转)或TimedRotatingFileHandler(按时间轮转)自动切割日志文件。
  • 网络输出:将日志发送到Syslog服务器、HTTP接口或像ELK、Sentry这样的日志聚合平台。

再者,格式化和上下文信息至关重要。 默认的日志格式信息量往往不足。一个优秀的日志格式应该至少包含:时间戳(精确到毫秒)、日志级别、模块/文件名、行号、函数名以及具体的消息。在微服务或异步任务中,我们可能还需要注入请求ID、用户ID等上下文信息,方便串联整个请求链路。

最后,它应该易于集成和使用。 设计时要考虑“约定大于配置”。提供合理的默认配置,让项目在大多数情况下开箱即用;同时暴露必要的配置接口,满足定制化需求。使用方式应该简单直观,理想状态下,业务代码只需要两行:一行导入,一行调用。

下面,我们就将这张蓝图,一行行地转化为代码。

3. 核心实战:一步步打造你的Logging单例工具类

我们不搞花架子,直接上最核心、最能经受实战考验的代码。我会逐段解释,你可以跟着一起敲。

3.1 基础骨架与单例模式实现

我们先搭建类的骨架,并解决最核心的单例问题。这里我推荐使用Python的模块天然单例特性,这是一种非常Pythonic且线程安全的方式。

# log_tool.py
import logging
import sys
from pathlib import Path
from typing import Optional, Union

class LogTool:
    """
    一个高级、可配置、单例的Python日志工具类。
    """
    # 类变量,用于持有单例实例
    _instance = None
    _initialized = False

    def __new__(cls, *args, **kwargs):
        """确保单例:无论创建多少次,都返回同一个实例。"""
        if cls._instance is None:
            cls._instance = super().__new__(cls)
        return cls._instance

    def __init__(self,
                 name: str = 'MY_APP',
                 log_level: Union[str, int] = logging.INFO,
                 log_dir: Optional[Union[str, Path]] = None):
        """
        初始化日志工具。由于是单例,此初始化代码仅会执行一次。
        
        Args:
            name: 日志器名称,通常使用项目名。
            log_level: 全局日志级别,如 logging.DEBUG, 'INFO'。
            log_dir: 日志文件存储目录。为None则只输出到控制台。
        """
        # 防止单例被重复初始化
        if LogTool._initialized:
            return

        self.logger = logging.getLogger(name)
        # 设置日志器级别为最低(DEBUG),具体过滤由处理器控制
        self.logger.setLevel(logging.DEBUG)
        # 非常重要:防止日志向上传播到root logger,避免重复打印
        self.logger.propagate = False

        self.log_level = log_level if isinstance(log_level, int) else getattr(logging, log_level.upper())
        self.log_dir = Path(log_dir) if log_dir else None

        # 清除可能已有的处理器(防止重复添加)
        self.logger.handlers.clear()

        # 初始化控制台处理器
        self._setup_console_handler()
        # 初始化文件处理器(如果提供了目录)
        if self.log_dir:
            self._setup_file_handler()

        LogTool._initialized = True
        self.logger.debug(f"LogTool 初始化完成,日志级别: {logging.getLevelName(self.log_level)}")

关键点解析:

  1. __new__方法:这是Python中控制实例创建的方法。我们在这里判断_instance是否存在,不存在则创建,存在则直接返回已存在的实例。这是实现单例的经典方法之一。
  2. _initialized标志:单例的__init__方法在每次LogTool()调用时仍会执行。我们用这个标志位确保核心的配置代码(如添加处理器)只执行一次,避免重复配置。
  3. logger.propagate = False:这行代码至关重要。默认情况下,日志会向更高级的logger(最终是root logger)传播。如果root logger也配置了处理器,就会导致一条日志被打印两次。设置为False就切断了这种传播,让日志完全由我们自己的工具类管理。

3.2 配置控制台和文件处理器

接下来,我们实现设置处理器的私有方法。这是日志输出的“执行引擎”。

    def _setup_console_handler(self):
        """配置输出到标准输出(控制台)的处理器。"""
        console_handler = logging.StreamHandler(sys.stdout)
        console_handler.setLevel(self.log_level)
        # 为控制台设置一个更简洁、高亮的格式
        console_formatter = logging.Formatter(
            '%(asctime)s | %(levelname)-8s | %(name)s | %(filename)s:%(lineno)d - %(message)s',
            datefmt='%H:%M:%S'
        )
        console_handler.setFormatter(console_formatter)
        self.logger.addHandler(console_handler)
        self._console_handler = console_handler

    def _setup_file_handler(self):
        """配置输出到文件的处理器,并自动创建日志目录。"""
        if not self.log_dir.exists():
            self.log_dir.mkdir(parents=True, exist_ok=True)

        log_file = self.log_dir / 'app.log'
        # 使用 RotatingFileHandler,防止单个文件过大
        file_handler = logging.handlers.RotatingFileHandler(
            filename=log_file,
            maxBytes=10 * 1024 * 1024,  # 10MB
            backupCount=5,  # 保留5个备份文件
            encoding='utf-8'
        )
        file_handler.setLevel(self.log_level)
        # 文件日志格式可以更详细,包含日期
        file_formatter = logging.Formatter(
            '%(asctime)s | %(levelname)-8s | %(name)s | %(module)s:%(funcName)s:%(lineno)d - %(message)s',
            datefmt='%Y-%m-%d %H:%M:%S'
        )
        file_handler.setFormatter(file_formatter)
        self.logger.addHandler(file_handler)
        self._file_handler = file_handler

关键点解析:

  1. 差异化格式:控制台日志我们追求可读性,时间只保留时分秒,格式紧凑,方便调试时快速浏览。文件日志则追求完整性和可追溯性,包含完整的日期、模块名、函数名,便于事后详细分析。
  2. 使用RotatingFileHandler:这是生产环境的必备。maxBytes指定单个日志文件的最大字节数(这里10MB),超过后会自动创建新文件(如app.log.1, app.log.2)。backupCount指定保留的旧文件数量,实现了简单的日志轮转,再也不用手动清理或者担心磁盘被撑爆。
  3. 编码指定:明确指定encoding=‘utf-8’,避免在记录包含中文或其他非ASCII字符时出现乱码。

3.3 提供便捷的日志记录方法

为了让工具类用起来像原生logger一样顺手,我们封装常用的日志级别方法。

    # 便捷方法
    def debug(self, msg, *args, **kwargs):
        self.logger.debug(msg, *args, **kwargs)

    def info(self, msg, *args, **kwargs):
        self.logger.info(msg, *args, **kwargs)

    def warning(self, msg, *args, **kwargs):
        self.logger.warning(msg, *args, **kwargs)

    def error(self, msg, *args, **kwargs):
        self.logger.error(msg, *args, **kwargs)

    def critical(self, msg, *args, **kwargs):
        self.logger.critical(msg, *args, **kwargs)

    def exception(self, msg, *args, exc_info=True, **kwargs):
        """专门用于记录异常,会自动追加异常堆栈信息。"""
        self.logger.exception(msg, *args, exc_info=exc_info, **kwargs)

注意这里的exception方法,它是error级别的增强版,会自动捕获并记录当前的异常堆栈信息,在try…except块中记录错误时特别有用。

3.4 创建全局实例与使用示例

最后,我们在模块级别创建一个配置好的全局实例。这是“约定大于配置”的体现,也是使用起来最简单的方式。

# 在 log_tool.py 文件末尾创建默认的单例实例
# 这里使用一个默认的日志目录,例如当前目录下的 ‘logs‘ 文件夹
default_log_dir = Path(__file__).parent / 'logs'
# 创建一个全局可用的日志工具实例
logger = LogTool(name='MyProject', log_dir=default_log_dir)

# ========== 在项目其他文件中,这样使用 ==========
# file: business_logic.py
from your_package.log_tool import logger  # 导入全局实例

def process_data(data):
    logger.info("开始处理数据", extra={"data_id": data.id})
    try:
        # ... 一些业务逻辑
        result = complex_operation(data)
        logger.debug(f"中间结果: {result}")
        logger.info("数据处理成功")
        return result
    except ValueError as e:
        # 使用 exception 方法自动记录堆栈
        logger.exception(f"数据处理时发生值错误: {e}")
        raise
    except Exception as e:
        logger.error(f"处理数据时发生未知错误: {e}", exc_info=True) # 也可以手动记录堆栈
        raise

看到没?在业务代码中,日志记录变得异常清晰和简洁。你只需要关心在什么时候、记录什么级别的信息。所有的复杂性——单例、格式、轮转、输出目标——都被封装在LogTool内部。

4. 高级技巧与个性化定制

基础版本已经能覆盖80%的场景。但如果你有更复杂的需求,下面这些高级技巧能让你的日志系统更加强大。

4.1 动态调整日志级别

有时候,我们线上问题需要临时开启DEBUG日志来定位,但不想重启服务。我们可以为工具类添加动态修改级别的能力。

    def set_level(self, new_level: Union[str, int]):
        """动态调整所有已配置处理器的日志级别。"""
        level = new_level if isinstance(new_level, int) else getattr(logging, new_level.upper())
        self.log_level = level
        for handler in self.logger.handlers:
            handler.setLevel(level)
        self.logger.info(f"日志级别已动态变更为: {logging.getLevelName(level)}")

你可以通过一个管理接口(如HTTP API)来调用这个方法,实现线上日志级别的热更新。

4.2 为特定模块设置独立日志文件

大型项目中,你可能希望将数据库操作、网络请求等不同模块的日志分开存储。我们可以扩展LogTool,使其支持为特定的logger名称添加专属处理器。

    def add_module_file_handler(self, module_name: str, log_level=logging.DEBUG):
        """
        为特定模块添加独立的文件处理器。
        例如:add_module_file_handler('database')
        会创建 logs/database.log 文件记录该模块的日志。
        """
        if not self.log_dir:
            self.logger.warning("未设置日志目录,无法添加模块文件处理器。")
            return

        module_logger = logging.getLogger(module_name)
        module_logger.propagate = False # 同样禁止传播

        module_file = self.log_dir / f'{module_name}.log'
        handler = logging.handlers.RotatingFileHandler(module_file, maxBytes=5*1024*1024, backupCount=3, encoding='utf-8')
        handler.setLevel(log_level)
        handler.setFormatter(self._file_handler.formatter) # 复用格式
        module_logger.addHandler(handler)

        # 同时避免重复添加控制台handler,因为父logger已经有了
        # 如果需要,也可以单独添加

在代码中,你可以通过logging.getLogger(‘database’)来获取这个特定的logger,它的日志会自动写入独立的文件。

4.3 注入自定义上下文信息

在Web框架或异步任务中,我们经常需要跟踪一个请求或任务的完整链路。这需要我们在每条日志中注入像request_id、user_id这样的上下文信息。我们可以通过自定义Formatter和过滤器(Filter),或者使用logging的extra参数来实现。

一个简单的利用extra的例子:

# 在记录日志时传入额外字段
logger.info("用户登录成功", extra={'user_id': 123, 'ip': '192.168.1.1'})

# 需要修改Formatter来识别这些extra字段
formatter = logging.Formatter(
    '%(asctime)s | %(levelname)s | [user:%(user_id)s] | %(message)s'
)
# 注意:Formatter的格式字符串中的 key (如 user_id) 必须与extra中的key匹配。
# 如果某条日志没有提供某个extra字段,默认会显示空字符串。可以使用 `Adapter` 或 `Filter` 来提供默认值,这更健壮。

更高级的做法是使用logging.LoggerAdapter或线程局部存储(threading.local)来为整个线程或上下文自动附加这些信息,这样业务代码就无需每次手动传递extra了。这是构建企业级可观测性系统的基础。

5. 避坑指南:我踩过的那些“坑”

封装和使用日志的过程中,有些坑只有踩过才知道有多疼。这里我列几个最常见的:

  1. 重复日志问题:这是头号杀手。根本原因有两个:一是单例没做好,重复初始化添加了多个处理器;二是没有设置logger.propagate = False,导致日志传递到root logger被再次处理。务必检查你的代码是否避免了这两种情况。
  2. 日志级别不生效:记住,日志消息能否被输出,受两道关卡控制:首先是logger对象自身的级别,然后是每个handler的级别。一条DEBUG消息,即使logger.level=DEBUG,但如果控制台handler.level=INFO,它也不会出现在控制台。通常建议将logger级别设为最低(DEBUG),然后通过handler来精确控制不同输出目的地的级别。
  3. 多进程日志记录:如果你使用multiprocessing模块,特别是在Linux/Unix上使用fork模式,直接使用RotatingFileHandler可能会导致日志丢失或混乱,因为多个进程会同时操作文件指针。解决方案是使用WatchedFileHandler(依赖外部如logrotate工具),或者使用一个独立的日志进程(例如通过Queue和QueueHandler),或者让每个进程写入自己独立的文件。
  4. 性能考量:日志记录虽然必要,但I/O操作始终有开销。在生产环境,尤其是高并发场景下,要避免在循环热点路径中记录大量DEBUG或INFO级别的日志。可以适当提高默认日志级别(如到WARNING),并在需要时动态开启。另外,格式化字符串中使用%或str.format()是即时求值的,即使该条日志因级别不够不会被输出,格式化这个字符串的成本也已经付出了。可以使用logger.debug(‘Some message: %s’, big_object)这种参数化格式化的方式,只有当级别足够时,big_object才会被转换成字符串。

把这些点都考虑到,你的日志工具类就已经超越了大多数项目中的临时方案,成为一个真正可靠的基础设施组件。从今天开始,别再在项目里散装地使用logging了,花点时间构建或引入一个封装好的日志工具,它为你省下的排查问题的时间,会远远超过你封装它所花费的时间。

Python 日志模块Loguru基本使用和封装使用 Loguru是一个用于Python的日志库,它的设计目标是使日志记录变得简单、快速且易于阅读。简洁的API:Loguru提供了一个简洁的API,使得在Python项目中使用日志变得更加容易。只需导入loguru模块,然后使用其提供的函数来记录日志。自动格式化:Loguru会自动将日志消息格式化为带有时间戳、日志级别和消息内容的字符串,无需手动处理。这使得在查看日志时可以轻松地识别出每条日志的时间和级别。多种输出方式:Loguru支持将日志输出到控制台、文件、Slack、GitHub等不同的地方。 阅读详情

相关推荐

Python日志模块深度定制:从标准库logging到生产级增强实现

日志记录是软件开发和运维中的基础技术,用于追踪程序执行过程、诊断问题。其核心原理是通过系统化记录程序运行时的状态、事件和错误信息,形成可追溯的执行轨迹。在技术价值上,良好的日志实践能极大提升调试效率、简化线上问题排查,并为系统监控和审计提供关键数据。在Python生态中,标准库logging模块是实现这一目标的基石,它通过Logger、Handler、Formatter、Filter四大组件的灵活组合,支持多级别日志控制、多目的地输出和自定义格式化。对于需要长期运行的后端服务和自动化脚本,一个能自动输出时间

weixin_30892889的博客 430

Python中的logging模块解析

前言 在自动化测试中,为了定位问题,调试框架代码,需要使用日志模块,今天我们重点讲解Python中的logging模块,在学习使用logging模块前,我们先要了解logging模块的四大天王:logger、handler、filter、formatter 一.logging模块的四大组件 logger:日志器,提供程序可使用的接口 handler:处理器,用于写入日志文件并输出到指定位置,如文件、控制台或网络等 filter:过滤器,用于输出符合指定条件的日志记录 formatter:..

测试界的彭于晏的博客 1万+

Python日志Log封装实战工具,开箱即用

如果说Handler解决了“日志去哪里”,那么Formatter就解决了“日志长什么样”。它是日志内容呈现的核心引擎,决定了每条日志包含哪些字段、如何排列、时间如何显示。除了内置字段外,还可以通过Filter或重写方法注入自定义上下文,如请求ID、用户ID、Trace ID 等分布式追踪信息。# 动态修改字段# 使用示例# 手动传递上下文属性graph LRA[开始配置日志系统] --> B{需要输出到?B -->|控制台| C[StreamHandler]

weixin_35636570的博客 1052

Python 跨文件日志记录终极指南:使用 `logging` 模块构建专业日志系统

避免使用print进行日志记录,Python标准库中的logging模块提供了更专业的解决方案。logging支持日志级别控制、灵活输出目标、自定义格式、动态调整和线程安全等关键特性。文章详细介绍了logging的四大组件:记录器(Logger)、处理器(Handler)、格式器(Formatter)和过滤器(Filter),并提供了单文件和多文件项目中的实际配置示例。通过主程序统一配置,模块通过__name__获取日志器,可实现跨文件日志管理,适用于各类规模的项目,显著提升日志系统的专业性和可维护性。

weixin_49354660的博客 1281

PyLogging:简化Python日志管理的封装

Python内置的logging模块是用于记录和管理应用程序日志的强大工具。通过它,开发者可以轻松地记录警告、错误、信息等不同级别的消息,并根据需要将这些日志消息输出到控制台、文件或其他目的地。在Python程序中,日志记录是通过创建日志记录器(Logger),处理器(Handler)以及格式器(Formatter)对象来实现的。日志记录器负责生成日志消息,处理器则负责将日志消息分发到指定的目标,而格式器用于定义日志消息的格式。例如,一个简单的日志记录过程如下:# 创建一个logger。

weixin_35797963的博客 641

SpringCloud2025+SpringBoot3.5.0+gateway+webflux子服务路由报503

本来昨天就应该也记录下,免得忘记的,但是有点晚了,酒没写,真的是被坑惨了。当然这也是追求最新的代价,也是对新技术、老知识点的重温。依赖更粒度让架构的知识面更高,需要非常清楚另外说不定是有新的负载均衡要出现了,就想当初loadbalancer取代Ribbon一样好了,真是坑了半夜,昨晚都没有写,今天才复盘,希望能帮到大家,让更多在坑里的技术人爬出来。

zwrlj527的专栏 1998

Python中 logging 日志详解

logging模块 什么是logging模块 logging模块是python提供的用于记录日志的模块 为什么需要logging 我们完全可以自己打开文件然后,日志写进去,但是这些操作重复且没有任何技术含量,所以python帮我们进行了封装,有了logging后我们在记录日志时 只需要简单的调用接口即可,非常方便! 日志级别 在开始记录日志前还需要明确,日志的级别 随着时间的推移,日志记录会非常多...

Hello LinWoW~ ⊙o⊙ 1347

python -- 海洋气象科研论文中常用绘图配色汇总

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。可以通过自定义选取不同颜色的rgb,通过自定义的方式构建colormap。

weixin_68789096的博客 973

Logbook模块:logging的高级封装版

模块简介 官方文档:https://logbook.readthedocs.io/en/stable/index.html PyPi地址:https://pypi.org/project/Logbook/ Github地址:https://github.com/getlogbook/logbook 安装模块 pip install logbook 代码封装 目前仅封装了文件日志输出和控制台...

小小逐月者的心得笔记 1215

90+个各种疾病相关医疗数据集

含新冠、传染病、医学图像等

2万+

工程经验分享:PCIE(1)

本文介绍AXI Bridge For Pcie Express Gen3 Subsystem 的使用方法。这个IP兼具简单与实用性,将PCIE协议层实现于内部,仅留出AXI接口供开发者使用。开发者不需要处理复杂的PCIE协议数据,只需要对AXI总线有所了解即可,十分符合Xilinx一贯的开发风格。本文无关PCIE协议本身,仅分享实用性的工程经验,以PCIE IP为核心,一步一步搭建一个简单的子系统,以此说明用法。文中所有内容均已通过项目检验。

weixin_42415266的博客 3850

python日志模块应用_[Python]日志模块logging的应用

通常,在商用软件中均会有完整的日志机制,之前使用C语言实现过一个《简单的分级别写日志程序》,具有以下功能和不足:/************************************************************************/*摘要:此文件实现了普通WINDOWS程序中的日志功能*主要有以下特点:*1.根据日...

weixin_39577052的博客 95

Wireshark实战:解密微信通信协议与加密机制的网络抓包分析

网络协议分析是理解现代应用通信架构的基础,其中抓包工具如Wireshark扮演了关键角色。通过捕获和分析网络数据包,可以深入探究TCP/IP协议栈的工作原理,特别是传输层安全(TLS)加密如何保障数据在传输过程中的机密性与完整性。这项技术在网络安全、性能优化和故障排查等领域具有重要价值,广泛应用于应用层协议分析、加密流量检测和网络行为建模等场景。本文聚焦于即时通讯应用,通过Wireshark对微信的登录、消息收发等核心流程进行抓包实验,结合TLS握手和长连接等热词,揭示了其基于TCP长连接与双重加密的通信模

weixin_34021089的博客 548

Python中使用Logging模块进行调试和日志记录

可以移植到任何项目的Logging模块,使用起来超爽,要不要来试试~

穿越临界点的博客 728

【ROS】Nav2源码之nav2_collision_monitor(碰撞监测)详解

nav2_collision_monitor碰撞监视器是一个节点,为机器人提供了一个额外的安全级别。它使用来自传感器的数据,执行若干与避免碰撞相关的任务,绕过成本图和轨迹规划器,监测是否需要紧急停止或者减速。

郭老二 1459

【制作100个unity游戏之22】3DRPG游戏开发07——其他详细的设计

我们会有有很多单例,如果每个单例都去写会很麻烦,所以我们定义泛型单例模式 Singleton,我们将所有的单例都继承这个泛型单例,就省略很多重复的工作定义一个GameManager类,继承Singleton,控制整个游戏的进度,比如如果主角死了,广播,游戏结束调用。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 2581

python+selenium实现日志的封装及应用

一、python logging模块 python logging模块提供了logger、handler、filter、formatter等基础类。 其中: 1、logger: 提供日志接口,供应用程序调用。logger最常用的操作有两大类:配置和发送日志消息。 2、handler:将日志记录发送到合适的目的,比如文件、socket等等。一个logger对象可以通过addhandler方法添加0到...

weixin_42228683的博客 1051

GEE:面对对象土地利用分类(结合SNIC、GLCM 和机器学习算法)

本文将介绍在Google Earth Engine中结合SNIC、GLCM和机器学习算法的的土地利用/土地覆盖(LULC)分类方法。结果如下图所示,

养乐多的博客 5622

python中logging模块_python中的logging模块应用

python中有系统自带的logging模块,使用起来非常方便,并且要在程序中经常要使用这个模块,这样出了问题可以通过日志很方便的查找在哪里出了问题,比直接找代码要方便些1. 初始化 logger = logging.getLogger("endlesscode"),getLogger()方法后面最好加上所要日志记录的模块名字,后面的日志格式中的%(name)s 对应的是这里的模块名字2. 设置级...

weixin_39640520的博客 107

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

【Python日志分析工具全攻略】:掌握5大高效工具与实战技巧

掌握Python日志分析工具的正确用法,高效解决日志解析、监控与故障排查难题。涵盖ELK、Loguru、Pandas等5大工具的应用场景与实战技巧,提升运维效率。方法实用、覆盖全面,值得收藏。

IterStream的博客 1016

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Python 标准库中的 logging 与 math:从日志到数学,一次深入而系统的漫游

logging 让系统“说话”,math 让系统“算准”。在 3000 字的篇幅里,我们走完了两条看似平行却殊途同归的道路:一条通向可观测性,一条通向数值确定性。

2401_85727638的博客 843

python 日志模块封装

封装:#-*- coding: UTF-8 -*- import logging.handlers class Logger(logging.Logger): def __init__(self, filename=None): super(Logger, self).__init__(self) # 日志文件名 if filenam...

、张念 4133

日志logging

前言 日志就是用于记录系统运行时的信息,对一个事件的记录;也称为Log。 一、日志的作用 调试程序 了解系统程序运行的情况,是否正常 系统程序运行故障分析与问题定位 用来做用户行为分析和数据统计 二、日志级别 日志级别:是指日志信息的优先级、重要性或者严重程度 常见的日志级别 日志级别 描述 DEBUG 调试级别,打印非常详细的日志信息,通常用于对代码的调试 INFO 信息级别,打印一般的日志信息,突出强调程序的运行过程 WARNING 警告级别,打印警告日志信息,表明会出现

yue_luo_的博客 286

Loguru:更为优雅、简洁的Python 日志管理模块

在 Python 开发中涉及到日志记录,我们或许通常会想到内置标准库 —— logging 。虽然logging 库采用的是模块化设计,可以设置不同的 handler 来进行组合,但是在配置上较为繁琐。同时在多线程或多进程的场景下,若不进行特殊处理还会导致日志记录会出现异常。 本文将介绍一个十分优雅、简洁的日志记录第三方库—— loguru ,我们可以通过导入其封装的logger 类的实例,即可直接进行调用。 安装 使用 pip 安装即可,Python 3 版本的安装如下: pip3 install l..

software_test010的博客 6962

Python 学习 ---> 日志模块 loguru、nb-log

自写日志模板适合比较小的项目,可以按照自己的喜好编写模板,不需要太多复杂配置,方便快捷,但是这种记录日志的方式并不是很规范,有可能你自己觉得阅读体验不错,但是别人在接触你的项目的时候往往需要花费一定的时间去学习日志的逻辑、格式、输出方式等,比较大的项目同样不推荐这种方法。当作日志记录的方式,直接打印各种提示信息,常见于个人练习项目里,通常是懒得单独配置日志,而且项目太小不需要日志信息,不需要上线,不需要持续运行,完整的项目不推荐直接打印日志信息,现实中也几乎没有人这么做。下面我们来详细看一下。

freeking101的博客 6212

如何利用python在一个文档里写入ch_python 自动化之路 logging日志模块

logging 日志模块http://python.usyiyi.cn/python_278/library/logging.html 中文官方http://blog.csdn.net/zyz511919766/article/details/25136485清晰明了,入门必备http://my.oschina.net/leejun2005/blog/126713 继承讲的很棒http://my....

weixin_39890452的博客 93
上一篇: 2023-10-20 - MacBook - 优化外接2k显示器体验:告别字小与字虚的终极指南
下一篇: LMV358 vs OPA2350:实测对比两款运放的失调电压与电流(附避坑指南)
青柠汽水308
博客等级 码龄3年 145粉丝 1574原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址