
本文介绍如何正确配置 logging 模块,结合全局计数器,在函数每次成功识别目标图像时记录调用次数,并输出到指定日志文件(如 anomaly.log),避免因误用 root logger 导致日志写入错误文件的问题。
本文介绍如何正确配置 logging 模块,结合全局计数器,在函数每次成功识别目标图像时记录调用次数,并输出到指定日志文件(如 `anomaly.log`),避免因误用 root logger 导致日志写入错误文件的问题。
在自动化图像检测场景中(例如使用 pyautogui.locateOnScreen() 监控特定图标),我们常需统计某事件(如“发现 1.png”)发生的频次,并将该行为持久化记录到专用日志文件中。但初学者容易陷入两个常见误区:一是混淆 logging 模块的 root logger 与自定义 logger 实例;二是未合理管理日志配置生命周期,导致重复初始化或日志输出错位。
以下是一个结构清晰、生产就绪的实现方案:
✅ 正确做法:分离配置与使用,显式传递 logger 实例
首先,将日志配置逻辑封装为独立函数(如 setup_logger()),仅执行一次,并返回可复用的 logger 对象:
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。
import logging
import pyautogui
import schedule
import time
def setup_logger():
# 配置基础日志(用于 bandit.log)
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_detector")
logger.propagate = False # 阻止向 root logger 重复传播
# 添加专属 FileHandler
handler = logging.FileHandler("anomaly.log")
formatter = logging.Formatter(
"%(asctime)s - %(name)s - %(levelname)s - %(message)s"
)
handler.setFormatter(formatter)
logger.addHandler(handler)
return logger
# 全局 logger 实例(推荐方式,避免频繁传参)
logger = setup_logger()
# 使用全局计数器(更清晰、线程安全前提下可用;如需高并发,请改用 threading.local 或原子操作)
call_count = 0
def hello():
global call_count
try:
# 尝试定位图像(一次调用即可,避免重复计算)
location = pyautogui.locateOnScreen("1.png", confidence=0.9)
if location is not None:
call_count += 1
logger.info(f"Image '1.png' found. Total occurrences: {call_count}")
except pyautogui.ImageNotFoundException:
# 图像未找到,静默处理(或可记录 DEBUG 级日志)
pass
# 调度任务:每秒执行一次 hello()
schedule.every(1).seconds.do(hello)
# 主循环
if __name__ == "__main__":
while True:
schedule.run_pending()
time.sleep(1)
⚠️ 关键注意事项
-
不要在定时任务中反复调用
logging.basicConfig()或日志配置函数:这会导致 Handler 重复添加,引发日志重复输出、文件句柄泄漏等问题。 -
避免直接调用
logging.info():它默认使用 root logger,只会写入bandit.log;务必使用你显式创建并配置的logger实例(如本例中的logger.info(...))。 -
减少重复图像搜索:原代码中
locateOnScreen被调用了两次(try块内一次 +if判断一次)。优化后仅执行一次并缓存结果,提升性能与稳定性。 -
计数器命名语义化:使用
call_count比hello.counter更易维护;若函数逻辑复杂或需多处共享状态,建议进一步封装为类或使用functools.partial注入上下文。
? 总结
通过分离日志配置与业务逻辑、使用全局 logger 实例、合理管理计数状态,你可以精准控制日志输出目标与内容格式。最终,所有“发现 1.png”事件都将按指定格式(含时间戳、模块名、级别和消息)写入 anomaly.log,便于后续审计与异常分析。
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!










