使用装饰器可自动记录函数调用时间、参数、返回值及异常,通过@log_function_call装饰目标函数,在不修改原函数代码的前提下,利用*args、**kwargs捕获参数,try...except捕获执行结果与异常,并结合functools.wraps保留函数元信息,实现高效、可复用的日志记录。
想在Python函数被调用时自动留下痕迹,比如记录下来它什么时候被调了,带了哪些参数,甚至跑完后返回了什么,装饰器无疑是个优雅又高效的选择。它就像给函数套了个“外壳”,在不改动函数本身代码的前提下,轻松实现这些额外的日志记录功能。
解决方案: 说白了,用装饰器记录日志,就是写一个高阶函数,它接收一个函数作为参数,然后返回一个新的函数。这个新函数在执行原始函数的前后,加入我们想要的日志逻辑。
一个基础的日志装饰器大概是这样:
import functools import logging import time # 配置一个基本的日志器,方便演示 # 实际项目中,日志配置会更复杂,通常会写入文件,并设置滚动策略等 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') logger = logging.getLogger(__name__) def log_function_call(func): @functools.wraps(func) # 这一行很重要,它保留了原始函数的元信息,比如函数名和文档字符串 def wrapper(*args, **kwargs): func_name = func.__name__ # 记录函数调用前的日志,包含参数 arg_str = ', '.join([repr(arg) for arg in args]) kwarg_str = ', '.join([f"{k}={repr(v)}" for k, v in kwargs.items()]) full_args_str = f"({arg_str}{', ' if arg_str and kwarg_str else ''}{kwarg_str})" logger.info(f"进入函数: {func_name}{full_args_str}") start_time = time.time() try: result = func(*args, **kwargs) # 执行原始函数 # 记录函数成功执行后的日志,包括返回值和执行时间 logger.info(f"函数 {func_name} 成功返回, 返回值: {repr(result)}, 耗时: {(time.time() - start_time)*1000:.2f}ms") return result except Exception as e: # 捕获异常,记录错误日志,并重新抛出 logger.error(f"函数 {func_name} 发生异常: {type(e).__name__}: {e}, 耗时: {(time.time() - start_time)*1000:.2f}ms") raise # 重新抛出异常,不改变原始函数的行为 return wrapper # 怎么用呢?很简单,在函数定义前加上@log_function_call @log_function_call def calculate_sum(a, b): """计算两个数的和""" time.sleep(0.1) # 模拟一些耗时操作 return a + b @log_function_call def greet_user(name, greeting="Hello"): """向用户问好""" return f"{greeting}, {name}!" @log_function_call def divide(a, b): """尝试除法操作""" time.sleep(0.05) return a / b # 调用试试看 calculate_sum(10, 20) greet_user("Alice", greeting="Hi") try: divide(10, 0) # 尝试触发异常 except ZeroDivisionError: logger.info("捕获到ZeroDivisionError,这是预期行为。")
这个例子里,
log_function_call
wrapper
wrapper
wrapper
func
*args
**kwargs
functools.wraps
try...except
我个人觉得,在Python里,日志记录这种“横切关注点”(cross-cutting concerns)的问题,装饰器简直是量身定制的解决方案。你设想一下,如果每个函数都需要手动写上日志记录的代码,那会是多么灾难性的重复劳动!
立即学习“Python免费学习笔记(深入)”;
它实现了代码的解耦和复用。日志记录逻辑和业务逻辑彻底分离开来,业务函数只专注于它自己的核心功能,而日志记录则由装饰器统一处理。这样一来,如果未来日志记录的方式需要调整(比如从打印到控制台改成写入文件,或者增加更多上下文信息),我们只需要修改装饰器这一个地方,所有被装饰的函数都会自动应用这些改变,而不需要触碰成百上千行的业务代码。这大大降低了维护成本和引入bug的风险。
此外,它让代码更干净、更可读。函数体内部不再充斥着与核心业务无关的日志语句,一眼望去,就是纯粹的业务逻辑。这对于团队协作和新成员理解项目代码都非常有益。当你看到一个函数上面挂着
@log_function_call
logger.info
最后,也是我特别欣赏的一点,它提供了一种非侵入式的增强。你不需要修改原始函数的任何一行代码,就能赋予它新的能力。这对于一些你可能没有权限修改的第三方库函数,或者不想修改但又想监控的函数来说,简直是神来之笔。这种灵活性是直接在函数内部写日志无法比拟的。
给日志添加更多上下文信息是日志记录的核心价值所在,毕竟,光知道函数被调用了,但不知道它带着什么数据跑的,那信息量可就大打折扣了
以上就是Python函数怎样用装饰器记录函数调用日志 Python函数日志装饰器的使用技巧的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 //m.sbmmt.com/ All Rights Reserved | php.cn | 湘ICP备2023035733号