我们在这篇文章实现了在项目工程中编写一个logging模块,但是我们如何确定我们编写的模块功能的是否正常?
你可能想到将全部代码写完后运行测试,但这是一个非常不好的习惯。❌
最好的方式,是每写出来一个功能或者方法就对它进行测试,这样可以确保,当你完成代码后并运行,可以很少出现Bug,能直接运行成功。可以使用Python自带的unittest模块来做✔
单元测试
- unittest
- logging单元测试
- logger = init_logger()
- logging.getLogger() 源码
- RootLogger
- from logging import RootLogger
- 小结
unittest
unittest 是 Python 标准库中的一个模块,它提供了一套编写和运行自动化测试的框架。unittest 支持自动化测试,设置和关闭代码以供测试,聚合测试到集合中以及独立的测试脚本运行。
以下是 unittest 的一些核心概念和用法:
- 测试用例(Test Cases):
测试用例是测试的基本单元。在 unittest 中,你通过创建一个继承自 unittest.TestCase 的类来编写测试用例。 - 测试方法(Test Methods):
测试方法以 test 开头。它们包含了实际的测试逻辑,unittest 会自动运行所有以 test 开头的方法
。 - 断言方法(Assert Methods):
unittest 提供了一系列的断言方法,如assertEqual
、assertTrue
、assertFalse
等,用于检查测试结果是否符合预期。 - 测试套件(Test Suites):
测试套件是一组测试用例的集合。你可以使用 unittest.TestSuite 或 unittest.TestLoader 来创建和管理测试套件。 - 测试运行器(Test Runners):
测试运行器负责运行测试套件,并收集结果。unittest 提供了 unittest.TextTestRunner 来在命令行中运行测试。 - 测试夹具(Test Fixtures):
测试夹具是测试之前和之后运行的代码,用于设置和关闭测试环境。setUp 方法在每个测试方法之前运行
,tearDown 方法在每个测试方法之后运行
。
setUp : 可以理解为测试前需要提前执行的代码 例如连接数据库
tearDown : 可以理解为收尾工作 例如关闭数据库
logging单元测试
在test文件夹中创建测试文件:test_logging_util.py
from unittest import TestCase
from util.logging_util import init_logger
from logging import RootLoggerclass MyTest(TestCase):def setUp(self) -> None: # 测试前需要提前执行的代码 例如连接数据库passdef test_myfunc(self):logger = init_logger() result = isinstance(logger,RootLogger) #判断是不是 某个类的实例self.assertEqual(result,True)self.assertIsInstance(logger,RootLogger)def tearDown(self)-> None: # 收尾工作pass
- 结果
python是动态类型的语言 只有执行到这里才知道这个变量是什么类型的
logger = init_logger()
class Logging():def __init__(self,level=20):self.logger = logging.getLogger()self.logger.setLevel(level)def init_logger():logger = Logging(level).logger# 缓存机制 避免日志重复输出if logger.handlers:return loggerpath = log_root_path+log_filename# 创建并打开文件with open(path, 'w') as file:# 文件被创建,但这里不写入任何内容,所以它是空的pass# 构造handler# 优化日志存储文件 StreamHandlerstream_handler = logging.StreamHandler()file_handler = logging.FileHandler(filename=path,mode='a',encoding='utf-8')fmt = logging.Formatter('%(asctime)s - [%(levelname)s] - %(filename)s[%(lineno)d]:%(message)s')stream_handler.setFormatter(fmt)file_handler.setFormatter(fmt)# 组合logger.addHandler(stream_handler)logger.addHandler(file_handler)return logger
logging.getLogger() 源码
def getLogger(name=None):"""Return a logger with the specified name, creating it if necessary.If no name is specified, return the root logger."""if name:return Logger.manager.getLogger(name)else:return root
没有指定日志记录器的名称则就是默认是根日志记录器
- 解答:-> None 方便我们写出更健壮的语言
# -> xxx :方便我们写出更健壮的语言
def setUp(self) -> None: # 返回是Nonepassdef add(a,b)->str:return str(a+b)def add(a:float,b:float)->float:return str(a+b)
RootLogger
在Python的logging模块中,RootLogger是日志系统的最高级别的记录器。每个日志记录器都有一个层次结构,而RootLogger是这个层次结构的根。当你创建一个日志记录器(logger)时,如果没有明确指定它的父记录器,它默认会继承RootLogger的配置。
from logging import RootLogger
class RootLogger(Logger):"""A root logger is not that different to any other logger, except thatit must have a logging level and there is only one instance of it inthe hierarchy."""def __init__(self, level):"""Initialize the logger with the name "root"."""Logger.__init__(self, "root", level)
因此这三行代码才可以执行:
result = isinstance(logger,RootLogger) #判断是不是 某个类的实例self.assertEqual(result,True)self.assertIsInstance(logger,RootLogger)
小结
RootLogger
的默认级别是WARNING
,这意味着默认情况下,只有WARNING
级别及以上(ERROR
和CRITICAL
)的日志消息会被处理。如果你想要记录所有级别的日志,你需要将RootLogger
的级别设置得更低,比如DEBUG
。
import logging# 获取RootLogger
root_logger = logging.getLogger()# 设置日志级别为DEBUG
root_logger.setLevel(logging.DEBUG)# 创建一个handler,例如控制台处理器
console_handler = logging.StreamHandler()# 为handler设置级别
console_handler.setLevel(logging.DEBUG) # ⭐ 设置成级别更低的日志记录器# 创建一个日志格式
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')# 设置handler的格式
console_handler.setFormatter(formatter)# 将handler添加到RootLogger
root_logger.addHandler(console_handler)# 测试日志输出
root_logger.debug('这是一个DEBUG级别的消息')
root_logger.info('这是一个INFO级别的消息')
root_logger.warning('这是一个WARNING级别的消息')
root_logger.error('这是一个ERROR级别的消息')
root_logger.critical('这是一个CRITICAL级别的消息')