假设要开发一个自动化脚本工具，工程结构如下，
Common
这个
package
是框架功能的实现，
Scripts
目录是我们编写的测试用例脚本（请忽略其他不相关的目录）。
我们对日志功能的需求如下：
1 为了便于日志的查看，每个脚本对应一个日志文件，日志文件以脚本的名字命名
2 日志路径以及每个脚本保存的日志容量可以设置，比如设置为5MB，则超过后最老日志被自动覆盖
3 日志功能要使用方便，减少与框架业务功能的耦合
现在来逐一分析上述需求。
1 要实现每个脚本一个日志文件 ，则需要在日志模块中，根据用例脚本的名字来生成日志文件，这里的关键问题就是怎样在日志模块中获取用例脚本的名字。
获取文件名的常用方法有：
os.getcwd()
,
sys.argv[0], __file__，
来看下各种的作用：
先在一个文件(假设为
test.py
）中编写如下代码：
然后在另一个文件中（假设为
script1.py
）中
import test
，然后调用
func
方法：
运行
script1.py
，结果为：
可见，
os.getcwd()
获取的是执行脚本的目录，
sys.argv[0]
是执行脚本的绝对路径名，
__file__
是被执行代码所在文件的绝对路径名。
现在就清楚了，我们应该用
sys.argv[0]
来获取执行脚本的名字，由于获取到的是绝对路径，需要做一点处理：
sys.argv[0].split('/')[-1].split('.')[0]
2 日志容量问题
，要实现超过容量后自动覆盖最老日志，采用
logging
中的
RotatingFileHandler
类即可，可以设置日志文件的大小，以及备份个数。
那么日志路径和容量配置放在哪里呢？让用户直接修改
RotatingFileHandler
的参数显然不好，最好不要让用户修改框架文件，用户只需调用接口写自己的脚本即可。
这里采用的方案是将配置信息写入一个文件，XML文件比较适合用来作为配置文件，用户通过修改XML文件来制定配置，日志模块从XML文件读取参数。
这里为了方便将XML文件放入
Common
下面，命名为
config.xml
，内容为：
E:\PythonLog
8
3
读取XML文件内容，使用
lxml
库非常简单，后面再给出代码。
3 日志功能要使用方便 ，减少与框架业务功能的耦合，最好就是对日志功能进行封装，只提供记录日志的接口即可。
日志接口采用类方法的形式就可以满足上述要求，用户只需要通过类调用日志记录接口，随处调用，使用方便，并且无需定义类实例，与框架业务没有耦合。
有了上述分析，我们来实现日志模块。
由于日志功能也是框架基础的一部分，我们将日志模块也放在
Common
这个
package
中，在
Common
下新建
log.py
文件，代码如下：
# coding: utf-8
from lxml import etree
import logging.handlers
import logging
import os
import sys
# 提供日志功能
class logger:
# 先读取XML文件中的配置数据
# 由于config.xml放置在与当前文件相同的目录下，因此通过 __file__ 来获取XML文件的目录，然后再拼接成绝对路径
# 这里利用了lxml库来解析XML
root = etree.parse(os.path.join(os.path.dirname(__file__), 'config.xml')).getroot()
# 读取日志文件保存路径
logpath = root.find('logpath').text
# 读取日志文件容量，转换为字节
logsize = 1024*1024*int(root.find('logsize').text)
# 读取日志文件保存个数
lognum = int(root.find('lognum').text)
# 日志文件名：由用例脚本的名称，结合日志保存路径，得到日志文件的绝对路径
logname = os.path.join(logpath, sys.argv[0].split('/')[-1].split('.')[0])
# 初始化logger
log = logging.getLogger()
# 日志格式，可以根据需要设置
fmt = logging.Formatter('[%(asctime)s][%(filename)s][line:%(lineno)d][%(levelname)s] %(message)s', '%Y-%m-%d %H:%M:%S')
# 日志输出到文件，这里用到了上面获取的日志名称，大小，保存个数
handle1 = logging.handlers.RotatingFileHandler(logname, maxBytes=logsize, backupCount=lognum)
handle1.setFormatter(fmt)
# 同时输出到屏幕，便于实施观察
handle2 = logging.StreamHandler(stream=sys.stdout)
handle2.setFormatter(fmt)
log.addHandler(handle1)
log.addHandler(handle2)
# 设置日志基本，这里设置为INFO，表示只有INFO级别及以上的会打印
log.setLevel(logging.INFO)
# 日志接口，用户只需调用这里的接口即可，这里只定位了INFO, WARNING, ERROR三个级别的日志，可根据需要定义更多接口
@classmethod
def info(cls, msg):
cls.log.info(msg)
return
@classmethod
def warning(cls, msg):
cls.log.warning(msg)
return
@classmethod
def error(cls, msg):
cls.log.error(msg)
return
来测试一下，在脚本
script1
和
script2
中分别编写下面代码：
from Common.log import *
logger.info('This is info')
logger.warning('This is warning')
logger.error('This is error')
分别运行两个脚本，控制台输出为：
产生的日志文件：
文件内容：
好了，现在不管是在框架的其他文件中，或是在用户脚本中，都可以方便的通过logger类的日志接口记录日志。以上就是怎样使用Python脚本日志功能的全部内容，希望本文对大家学习python能有所帮助。
