2. 在后端代码中加入日志记录模块

1. 说明

日志模块基本上是每一个软件系统开发中必不可少的,主要用于持久记录一些代码运行中的输出信息,辅助编码人员进行代码调试,以及后期软件上线运行报错分析。在Python中加入日志模块比较简单,只需要借助loggingRotatingFileHandler两个模块即可。

2. 具体实现

比较简单,直接上代码,如下:

python 复制代码
from flask import Flask, request, jsonify
from flask_cors import CORS

import os
import logging
from logging.handlers import RotatingFileHandler

# 使用当前文件创建一个Flask应用程序实例
app = Flask(__name__)
# 允许所有源的请求
CORS(app)

# 定义路由函数,用于测试
@app.route('/helloFlask/<string:testPara>', methods=['GET','POST'])
def helloFlask(testPara):
	app.longer.info("helloFlask func start"). # 后续在代码中即可使用此类语句在指定位置处记录日志
	print("testPara : ", testPara)
	app.logger.info("helloFlask func end")
	return jsonify({
		'status':'success',
		'message':testPara
	}),200
	
if __name == '__main__':
	# 指定日志文件存储路径
	log_file_dir = "./logs"
	# 路径不存在则创建
	if not os.path.exists(log_file_dir):
		os.makedirs(log_file_dir)
	# 设置日志记录等级
	app.logger.setLevel(logging.INFO)
	# 指定日志存储到的文件
	file_handler = RotatingFileHandler('./logs/flask.log', maxBytes=1024*1024*5, backupCount = 10)
	file_handler.setLevel(logging.INFO)
	# 设置日志信息存储格式
	formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
	file_handler.setFormatter(formatter)
	# 为flask框架app添加日志控制器
	app.logger.addHandler(file_handler)
	
	# 启动app,并添加一条服务启动日志
	app.logger.info("Flask demo start . . . .")
	app.run(host = '0.0.0.0', debug = True)
	

运行上述代码,即可记录相关日志。

相关推荐
abcy07121317 小时前
flask hdfs 异步上传图文教程csdn
python·flask
abcy0712131 天前
flask celery hdfs 异步上传
python·hdfs·flask
叫我:松哥1 天前
基于Python的共享单车租赁数据分析与预测系统,技术栈flask+boostrap+随机森林+XGBoost
人工智能·python·深度学习·算法·随机森林·数据分析·flask
叫我:松哥1 天前
基于机器学习和flask的体育健身风险智能分析系统,系统集成DeepSeek、聚类算法、分类算法等,准确率达90%
人工智能·python·神经网络·算法·机器学习·flask·聚类
叫我:松哥2 天前
基于Flask框架的校园二手书籍交易平台,注重校园场景的特殊需求,通过学号认证保障用户真实性
后端·python·sqlite·flask·bootstrap
王小王-1232 天前
基于多种机器学习的豆瓣电影分析与可视化预测评估系统
人工智能·机器学习·flask·豆瓣电影·电影评分预测·影评分析·哪吒电影评论分析
LoserChaser2 天前
Flask 文件上传服务器 - 知识点总结
服务器·python·flask
王小王-1232 天前
基于 Hadoop + Flask 的电动汽车数据分析与可视化系统设计与实现
hadoop·数据分析·flask·电动汽车·新能源汽车数据分析·新能源汽车销量分析·新能源汽车销售分析
叫我:松哥2 天前
基于深度学习的辣椒叶片病害识别系统设计实现,融合CBAM注意力机制的改进ResNet-50模型和YOLO检测,准确率达96%
图像处理·人工智能·深度学习·yolo·flask·bootstrap·注意力机制
TechWayfarer3 天前
IP精准定位服务在保险行业的接入实践:区域需求洞察与精准服务
数据库·python·tcp/ip·flask