本文介绍如何正确配置 logging 并结合全局计数器，精准记录目标函数（如图像识别成功时）的调用次数，并将日志统一写入指定文件（如 anomaly.log），避免因日志对象作用域或重复初始化导致的日志丢失问题。
本文介绍如何正确配置 logging 并结合全局计数器，精准记录目标函数（如图像识别成功时）的调用次数，并将日志统一写入指定文件（如 `anomaly.log`），避免因日志对象作用域或重复初始化导致的日志丢失问题。
在自动化脚本（如基于 pyautogui 的图像检测）中，常需监控某项操作（例如成功定位 1.png）的发生频次，并将每次触发事件持久化记录到专用日志文件中。实现该需求的关键在于两点：确保日志对象在函数内可访问，以及保证计数逻辑准确、线程安全（单线程场景下即避免作用域错误）。
以下是一个优化后的完整示例，已修复原始代码中的核心问题：
- ❌ 错误：
hello()中直接调用logging.info()，实际写入的是basicConfig配置的bandit.log，而非目标anomaly.log； - ❌ 错误：
logger()被调度为每秒执行一次，导致重复添加 Handler，引发日志重复输出甚至句柄泄漏； - ✅ 修正：将日志配置抽离为独立函数
setup_logger()，仅执行一次，并返回可复用的logger实例； - ✅ 修正：使用
global call_count确保计数器跨调用累积，且在locateOnScreen成功后才递增并记录。
import logging
import pyautogui
import schedule
import time
def setup_logger():
# 主日志配置：输出到 bandit.log（可选，用于系统级信息）
logging.basicConfig(
level=logging.INFO,
filename="bandit.log",
filemode="w",
format="%(asctime)s - %(levelname)s - %(message)s"
)
# 创建专用 logger 实例，用于 anomaly.log
logger = logging.getLogger("anomaly_tracker")
logger.setLevel(logging.INFO)
logger.propagate = False # 阻止向上级 root logger 传递
# 添加专属 FileHandler 到 anomaly.log
handler = logging.FileHandler("anomaly.log", mode="a") # 追加模式，避免覆盖历史
formatter = logging.Formatter("%(asctime)s - %(name)s - %(levelname)s - %(message)s")
handler.setFormatter(formatter)
logger.addHandler(handler)
return logger
# 全局 logger 实例（配置仅执行一次）
logger = setup_logger()
# 全局调用计数器
call_count = 0
def hello():
global call_count
try:
# 尝试定位图像（建议缓存 location 结果，避免重复调用）
location = pyautogui.locateOnScreen("1.png", confidence=0.9)
if location is not None: # 显式判断，更清晰可靠
call_count += 1
logger.info(f"Image '1.png' found. Total occurrences: {call_count}")
except pyautogui.ImageNotFoundException:
pass # 图像未找到，静默处理
# 调度任务：每秒执行一次 hello()
schedule.every(1).seconds.do(hello)
# 主循环
if __name__ == "__main__":
print("Monitoring started. Press Ctrl+C to stop.")
try:
while True:
schedule.run_pending()
time.sleep(0.5) # 更低延迟响应，同时减轻 CPU 占用
except KeyboardInterrupt:
logger.info("Monitoring stopped by user.")
print("Monitoring stopped.")
✅ 关键注意事项：
A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.
下载
调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。
-
不要在定时任务中反复调用日志配置函数 ——
setup_logger()必须且仅需执行一次，否则会重复添加 Handler，造成日志重复写入； -
优先复用
logger对象而非logging模块顶层函数 ——logging.info()默认使用 root logger，与自定义 Handler 无关； -
图像查找应避免两次调用
locateOnScreen—— 原始代码中先try/except又再次调用，效率低下且可能因图像短暂消失导致结果不一致；建议保存首次结果并复用； -
使用
mode="a"打开anomaly.log—— 防止程序重启后日志被清空； -
为 logger 指定有意义的名称（如
"anomaly_tracker"） —— 提升日志可读性与后期过滤能力。
通过以上结构化设计，你不仅能稳定记录每次 1.png 被识别的事件及累计次数，还能确保日志分类清晰、可追溯、易维护，真正满足生产级自动化监控的需求。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
