Python日志不显示INFO解决方法
还在为Python日志不显示INFO而苦恼?本文深入解析了Python logging模块中INFO级别日志无法输出的常见原因,直击问题核心:Logger的默认级别高于预期,导致INFO级别日志被提前过滤。通过理解Logger和Handler的双重级别检查机制,我们将提供清晰的解决方案和代码示例,指导你正确配置Logger的级别,确保所有关键日志信息都能准确记录。文章涵盖了Logger、Handler、Formatter等核心组件的工作原理,并着重强调了显式设置Logger级别的重要性。避免踩坑,优化你的Python日志系统,就从阅读本文开始!
理解Python Logging的工作机制
Python的logging模块是一个功能强大且灵活的日志记录框架。其核心组件包括:
- Logger(记录器):应用程序直接与之交互的入口点。它负责接收日志消息,并根据其自身的级别决定是否将消息传递给Handler。
- Handler(处理器):负责将日志消息发送到指定的目标,如文件、控制台、网络等。每个Handler也有自己的级别,只有当日志消息的级别高于或等于Handler的级别时,Handler才会处理该消息。
- Formatter(格式器):定义日志消息的输出格式。
日志消息的流动遵循一个严格的流程:
- 当调用logger.info()、logger.debug()等方法时,日志消息被生成。
- 日志消息首先到达Logger。Logger会根据其自身设定的级别对消息进行初步过滤。如果消息级别低于Logger的级别,则该消息会被丢弃,不会传递给任何Handler。
- 如果消息通过了Logger的级别过滤,它将被传递给所有附加到该Logger的Handlers。
- 每个Handler会再次根据其自身的级别对消息进行过滤。只有当消息级别高于或等于Handler的级别时,Handler才会处理该消息。
- 最终,通过Handler过滤的消息会由关联的Formatter进行格式化,然后输出到指定的目标。
INFO级别日志不输出的常见原因
在实践中,许多开发者会遇到这样的情况:即使为文件或控制台设置了logging.INFO级别的Handler,INFO级别的日志仍然无法输出。这通常是因为忽略了Logger本身的级别设置。
核心问题在于:logging.getLogger()在默认情况下,其级别被设置为WARNING。
这意味着,如果一个Logger的级别是WARNING,那么任何低于WARNING级别(如INFO、DEBUG)的日志消息,在到达Handler之前就会被Logger自身过滤掉。即使你为Handler设置了INFO级别,它也永远不会收到那些被Logger提前过滤掉的INFO或DEBUG消息。
考虑以下示例代码,它展示了原始问题中日志不输出的现象:
import logging import os def setup_logger(dtc_name, log_dir, is_debug=False, is_interactive=False): formatter = logging.Formatter("%(asctime)s %(process)s %(levelname)s - %(message)s") logger = logging.getLogger(dtc_name) # 关键点:这里没有设置logger的级别,它将默认为WARNING # 清除现有handlers,防止重复添加 if logger.handlers: for handler in logger.handlers[:]: logger.removeHandler(handler) # INFO级别文件日志 info_log_path = os.path.join(log_dir, f"{dtc_name}.log") info_log = logging.FileHandler(info_log_path) info_log.setFormatter(formatter) info_log.setLevel(logging.INFO) # Handler设置为INFO级别 logger.addHandler(info_log) # ERROR级别错误日志 error_log_path = os.path.join(log_dir, f"{dtc_name}_error.log") error_log = logging.FileHandler(error_log_path) error_log.setFormatter(formatter) error_log.setLevel(logging.ERROR) logger.addHandler(error_log) # 控制台日志 console_log = logging.StreamHandler() console_log.setFormatter(formatter) console_log.setLevel(logging.ERROR) # 默认控制台显示ERROR及以上 logger.addHandler(console_log) # 根据参数调整控制台日志级别 if is_debug: console_log.setLevel(logging.DEBUG) elif is_interactive: console_log.setLevel(logging.INFO) return logger def main(): # 假设日志目录为当前目录 log_directory = "." # 设置Logger,这里is_debug和is_interactive都为False logger = setup_logger('ExampleLogger', log_directory, is_debug=False, is_interactive=False) # 打印Logger和Handlers的当前级别,以验证配置 print(f"Logger '{logger.name}' level: {logging.getLevelName(logger.level)}") for handler in logger.handlers: print(f"Handler: {handler} | Level: {logging.getLevelName(handler.level)}") # 记录不同级别的消息 logger.debug('This is a debug message') logger.info('This is an info message') logger.warning('This is a warning message') logger.error('This is an error message') logger.critical('This is a critical message') if __name__ == "__main__": main()
运行上述代码,你将观察到类似以下输出:
Logger 'ExampleLogger' level: WARNING # 注意:Logger的级别是WARNING Handler: <FileHandler ./ExampleLogger.log (INFO)> | Level: INFO Handler: <FileHandler ./ExampleLogger_error.log (ERROR)> | Level: ERROR Handler: <StreamHandler <stderr> (ERROR)> | Level: ERROR 2023-11-27 16:42:16,304 244 WARNING - This is a warning message 2023-11-27 16:42:16,305 244 ERROR - This is an error message 2023-11-27 16:42:16,305 244 CRITICAL - This is a critical message
从输出中可以清晰地看到,Logger本身的级别是WARNING。这意味着DEBUG和INFO级别的消息在到达任何Handler之前就被Logger过滤掉了,因此无论是文件还是控制台,都无法接收到并打印这些低级别日志。
解决方案:显式设置Logger的级别
要解决这个问题,最直接的方法是在获取Logger实例后,显式地设置其日志级别。将其级别设置为INFO或DEBUG,以确保所有预期级别的日志消息都能通过Logger的初步过滤。
以下是修正后的setup_logger函数:
import logging import os def setup_logger(dtc_name, log_dir, is_debug=False, is_interactive=False): formatter = logging.Formatter("%(asctime)s %(process)s %(levelname)s - %(message)s") logger = logging.getLogger(dtc_name) # 核心修正:显式设置Logger的级别 if is_debug: logger.setLevel(logging.DEBUG) # 调试模式下Logger级别设置为DEBUG elif is_interactive: logger.setLevel(logging.INFO) # 交互模式下Logger级别设置为INFO else: logger.setLevel(logging.INFO) # 默认情况下Logger级别也设置为INFO,以捕获INFO日志 # 清除现有handlers,防止重复添加 if logger.handlers: for handler in logger.handlers[:]: logger.removeHandler(handler) # INFO级别文件日志 info_log_path = os.path.join(log_dir, f"{dtc_name}.log") info_log = logging.FileHandler(info_log_path) info_log.setFormatter(formatter) info_log.setLevel(logging.INFO) # Handler设置为INFO级别 logger.addHandler(info_log) # ERROR级别错误日志 error_log_path = os.path.join(log_dir, f"{dtc_name}_error.log") error_log = logging.FileHandler(error_log_path) error_log.setFormatter(formatter) error_log.setLevel(logging.ERROR) logger.addHandler(error_log) # 控制台日志 console_log = logging.StreamHandler() console_log.setFormatter(formatter) # 控制台Handler的默认级别可以根据is_debug/is_interactive在后面设置 logger.addHandler(console_log) # 根据is_debug和is_interactive参数调整控制台日志级别 if is_debug: console_log.setLevel(logging.DEBUG) elif is_interactive: console_log.setLevel(logging.INFO) else: console_log.setLevel(logging.ERROR) # 默认控制台显示ERROR及以上 return logger def main(): log_directory = "." # 示例1: 默认模式 (Logger和info_log Handler都是INFO,console_log Handler是ERROR) print("\n--- 示例1: 默认模式 ---") logger_default = setup_logger('ExampleLoggerDefault', log_directory, is_debug=False, is_interactive=False) print(f"Logger '{logger_default.name}' level: {logging.getLevelName(logger_default.level)}") for handler in logger_default.handlers: print(f"Handler: {handler} | Level: {logging.getLevelName(handler.level)}") logger_default.debug('Default: This is a debug message') logger_default.info('Default: This is an info message') logger_default.warning('Default: This is a warning message') logger_default.error('Default: This is an error message') logger_default.critical('Default: This is a critical message') # 示例2: 交互模式 (Logger和info_log Handler都是INFO,console_log Handler也是INFO) print("\n--- 示例2: 交互模式 ---") logger_interactive = setup_logger('ExampleLoggerInteractive', log_directory, is_debug=False, is_interactive=True) print(f"Logger '{logger_interactive.name}' level: {logging.getLevelName(logger_interactive.level)}") for handler in logger_interactive.handlers: print(f"Handler: {handler} | Level: {logging.getLevelName(handler.level)}") logger_interactive.debug('Interactive: This is a debug message') logger_interactive.info('Interactive: This is an info message') logger_interactive.warning('Interactive: This is a warning message') logger_interactive.error('Interactive: This is an error message') logger_interactive.critical('Interactive: This is a critical message') # 示例3: 调试模式 (Logger和所有Handler都是DEBUG) print("\n--- 示例3: 调试模式 ---") logger_debug = setup_logger('ExampleLoggerDebug', log_directory, is_debug=True, is_interactive=False) print(f"Logger '{logger_debug.name}' level: {logging.getLevelName(logger_debug.level)}") for handler in logger_debug.handlers: print(f"Handler: {handler} | Level: {logging.getLevelName(handler.level)}") logger_debug.debug('Debug: This is a debug message') logger_debug.info('Debug: This is an info message') logger_debug.warning('Debug: This is a warning message') logger_debug.error('Debug: This is an error message') logger_debug.critical('Debug: This is a critical message') if __name__ == "__main__": main()
运行修正后的代码,你会看到INFO级别的日志以及在调试模式下的DEBUG级别日志都能够正常输出。例如,在示例1(默认模式)下,控制台仍只会显示WARNING及以上日志,但文件ExampleLoggerDefault.log中将包含INFO、WARNING、ERROR、CRITICAL级别的日志。在示例2(交互模式)下,控制台也会显示INFO及以上日志。
注意事项与最佳实践
- Logger级别是第一道关卡:始终记住,日志消息首先通过Logger的级别过滤,然后才到达Handler。如果Logger的级别设置得太高,即使Handler的级别很低,也无法捕获到低级别的日志。
- 合理设置Logger和Handler级别:
- Logger的级别:通常设置为你希望应用程序能够记录的最低级别(例如,在开发环境中设置为DEBUG,在生产环境中设置为INFO或WARNING)。
- Handler的级别:可以根据输出目标的不同而设置。例如,文件Handler可以设置为INFO以记录所有重要信息,而控制台Handler可以设置为WARNING或ERROR,只显示关键错误。
- Root Logger:如果没有通过logging.getLogger('your_logger_name')获取特定的Logger,而是直接使用logging.debug()、logging.info()等函数,那么你是在使用根Logger(Root Logger)。根Logger的默认级别也是WARNING。若要修改,需使用logging.basicConfig()或logging.getLogger().setLevel()。
- 避免重复添加Handler:在重复调用setup_logger函数时,务必清除Logger上已有的Handler,如示例代码中所示的if logger.handlers: for handler in logger.handlers[:]: logger.removeHandler(handler)。否则,每次调用都会添加新的Handler,导致日志重复输出。
- 模块化日志配置:对于大型项目,建议将日志配置逻辑封装在单独的模块或函数中,以便于管理和复用。
总结
Python logging模块的强大之处在于其灵活性,但这也要求开发者深入理解其内部机制。当遇到INFO级别日志不输出的问题时,最常见且最根本的原因是Logger本身的级别设置过高。通过显式地使用logger.setLevel()方法,将Logger的级别设置为与预期日志级别相符或更低的级别,即可确保日志消息能够正确地通过Logger的初步过滤,并最终被相应的Handler处理和输出。掌握这一核心概念,将有助于你更有效地利用logging模块进行应用程序的调试和监控。
今天关于《Python日志不显示INFO解决方法》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

- 上一篇
- Golang多模块开发:workspace模式使用教程

- 下一篇
- 煮牛奶加糖会破坏营养吗?
-
- 文章 · python教程 | 36秒前 |
- Python词云生成教程:实战指南
- 501浏览 收藏
-
- 文章 · python教程 | 28分钟前 | Python Python编程
- Python实现Z-score标准化教程
- 438浏览 收藏
-
- 文章 · python教程 | 39分钟前 | io.StringIO 输出重定向 sys.stdout contextlib sys.stderr
- Python屏蔽输出怎么恢复内容
- 408浏览 收藏
-
- 文章 · python教程 | 45分钟前 | 单例模式 Python函数 元类 默认参数 \_\_new\_\_
- Python单例模式的几种实现方式
- 376浏览 收藏
-
- 文章 · python教程 | 46分钟前 |
- Python加密实战:AES与RSA详解指南
- 273浏览 收藏
-
- 文章 · python教程 | 51分钟前 |
- Python列表sort方法全解析
- 181浏览 收藏
-
- 文章 · python教程 | 52分钟前 |
- Python数据预测:statsmodels建模入门教程
- 238浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Pygamewhile循环事件重复处理技巧
- 250浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 511次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 498次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 484次学习
-
- 千音漫语
- 千音漫语,北京熠声科技倾力打造的智能声音创作助手,提供AI配音、音视频翻译、语音识别、声音克隆等强大功能,助力有声书制作、视频创作、教育培训等领域,官网:https://qianyin123.com
- 179次使用
-
- MiniWork
- MiniWork是一款智能高效的AI工具平台,专为提升工作与学习效率而设计。整合文本处理、图像生成、营销策划及运营管理等多元AI工具,提供精准智能解决方案,让复杂工作简单高效。
- 177次使用
-
- NoCode
- NoCode (nocode.cn)是领先的无代码开发平台,通过拖放、AI对话等简单操作,助您快速创建各类应用、网站与管理系统。无需编程知识,轻松实现个人生活、商业经营、企业管理多场景需求,大幅降低开发门槛,高效低成本。
- 180次使用
-
- 达医智影
- 达医智影,阿里巴巴达摩院医疗AI创新力作。全球率先利用平扫CT实现“一扫多筛”,仅一次CT扫描即可高效识别多种癌症、急症及慢病,为疾病早期发现提供智能、精准的AI影像早筛解决方案。
- 188次使用
-
- 智慧芽Eureka
- 智慧芽Eureka,专为技术创新打造的AI Agent平台。深度理解专利、研发、生物医药、材料、科创等复杂场景,通过专家级AI Agent精准执行任务,智能化工作流解放70%生产力,让您专注核心创新。
- 201次使用
-
- Flask框架安装技巧:让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++:哪个编程语言更适合初学者?
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览