Python 关于logging.py的NOTSET

最新推荐文章于 2025-06-05 16:53:07 发布
原创 最新推荐文章于 2025-06-05 16:53:07 发布 · 3.2k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #日志

本文探讨了Python中logging模块的日志级别设置问题，特别是NOTSET级别，并解释了它为何会被误解为输出所有信息。实际测试表明，NOTSET级别等效于WARNING级别。

环境：python2.7 

  网上有文章说，日志的过滤级别设置为NOTSET，即意味着“输出所有信息”，但是我今天的测试结果却不同。

通过查看代码，发现NOTSET是logging的默认过滤级别，即在日志没有设定过滤级别时，默认为NOTSET。

而在logging打印日志时，过滤级别NOTSET会转换为WARNING。因此，今天我测试时设置为NOTSET，结果日志中打印的是WARNING及以上级别的记录。

所以，网上有的文章会说，python的logging的默认级别是WARNING，如下：

“

SetLevel

Logging有如下级别: DEBUG，INFO，WARNING，ERROR，CRITICAL

默认级别是WARNING, logging模块只会输出指定level以上的log

”

来源：http://blog.youkuaiyun.com/balderfan/article/details/7644807


顺便查到的一些资料：

日志过程讲解的：http://blog.chinaunix.net/uid-403117-id-2407615.html

这个大概翻译的，看到几个转载的：http://blog.sina.com.cn/s/blog_4b5039210100f1wv.html

这个很详细的，还没有细看,标记下：http://blog.youkuaiyun.com/wujieyhy2006/article/details/7068320

标记:http://blog.youkuaiyun.com/balderfan/article/details/7644807

某个官方文档：http://docs.python.org/release/2.6.6/library/logging.html


以上是我个人的看法，还没找到官方资料支持。英文看得我眼花可怜。哪位找到确切的资料，请顺便告知在下一声阿

python logging.getlogger_Python 日志打印之logging.getLogger源码分析
weixin_35179649的博客
02-02 3964
日志打印之logging.getLogger源码分析By:授客 QQ：1033553122#实践环境WIN 10Python 3.6.5#函数说明logging.getLogger(name=None)getLogger函数位于logging/__init__.py脚本#源码分析_loggerClass = Logger# ...略root = RootLogger(WARNING)Logger....
Python 日志模块，适合多模块应用配置文件，logger.py
夕慕慕的博客
07-10 724
配置文件 conf/log.conf [LOGGING] log_file = max_bytes_each = 512000 backup_count = 10 fmt = |(asctime)s |(filename)s[line: |(lineno)d] |(levelname)s: |(message)s logger_name = test_logger log_level_in_console = 10 log_level_in_logfile = 20 console_log_on = 1
Python 关于logging.py的NOTSET 分类： pyt...
weixin_34410662的博客
08-13 240
环境：python2.7 网上有文章说，日志的过滤级别设置为NOTSET，即意味着“输出所有信息”，但是我今天的测试结果却不同。 通过查看代码，发现NOTSET是logging的默认过滤级别，即在日志没有设定过滤级别时，默认为NOTSET。 而在logging打印日志时，过滤级别NOTSET会转换为WARNING。因此，今天我测试时设置为NOTSET，结果日志中打印的是WARN...
关于python logging的 NOTSET 级别
weixin_30426879的博客
01-23 809
说重点： 　　NOTSET 意指不设置 所以按照父logger级别来过滤日志 　　注意 不是最低级别的意思 由于logging中root日志对象的默认级别是WARNING， 所以当你使用logging.getLogger获取一个日志对象, 并设置级别为 logging.NOTSET时， 使用logger.debug输出的信息看不到是很正常滴 注： 　　日志级别 ...
python 日志库logging
The way of Super God
06-22 401
日志级别 NOTSET (0) DEBUG (10) INFO (20) WARNING (30) ERROR (40) CRITICAL (50) logging 输入日志时，会输出>= 设置的日志级别的日志，例如设置为DEBUG，则会输出DEBUG、INFO、WARNING、ERROR、CRITICAL级别的日志。默认的日志级别为WARNING。 Logging流程 Logger：日志...
python的logging模块setLevel(LEVELS.get(‘default‘,logging.NOTSET))
sinat_41395907的博客
09-05 921
LEVELS.get(‘default’, logging.NOTSET) 尝试从名为 LEVELS 的字典中获取键为 ‘default’ 的值，如果该键不存在，则返回 logging.NOTSET。例如，如果一个日志记录器的级别设置为logging.NOTSET，而它的父级日志记录器的级别设置为logging.INFO，那么这个日志记录器将把所有的日志事件传递给父级日志记录器，并且只有那些级别为logging.INFO或更高级别的日志事件才会被处理和输出。这行代码的作用是设置日志记录器的级别。
Python中logging模块
oorik的博客
05-26 886
学习文章所得demo测试。
【Python】vn.py
宅男很神经
06-05 1376
第一章：vn.py 概览与核心架构 (Overview and Core Architecture)vn.py 不仅仅是一个库，它更像是一个包含了从数据获取、策略开发、回测分析到实盘交易全流程支持的综合性平台。理解其设计哲学和核心架构，是高效使用和二次开发 vn.py 的基石。1.1 vn.py 是什么？vn.py 的官方定义是“一套基于 Python 的开源量化交易系统开发框架，适用于个人和中小型机构投资者进行量化交易、研究和实盘。” 这个定义包含了几个关键点：核心特性:1.2 核心架构思想vn.py 的
Python中logging日志的用法
Yanir的博客
12-14 1529
import logging import os # 路径获取 root = os.path.dirname(os.path.realpath(__file__)) # log_path = os.path.join(root, "example.log") # name = "example.log" debug = False # when debug is true, show DEBUG and INFO in screen # when debug is false, show DEBUG .
Python日志库logging
weixin_44245323的博客
06-28 1186
上面的基本使用可以让我们快速上手 logging 模块，但一般并不能满足实际使用，我们还需要自定义 Logger。一个系统只有一个 Logger 对象，并且该对象不能被直接实例化，没错，这里用到了单例模式，获取 Logger 对象的方法为 getLogger。
python内置logging日志模块
weixin_43690442的博客
12-16 260
作为一个初学变成的小伙子，常常调试代码用print，print的好处是直接就能看出代码的问题，和运行的情况，但是比较麻烦的是在运行完成之后要把print全波注释掉，或者删除，这很影响美观，而且比较麻烦，尤其在代码比较多的情况下，往往看到print的结果后就头疼不已：这一行打印了什么，这一行又是什么结果。所幸的是python和其他语言一样，有一个强大的日志模块——logging模块 日志的作用 1....
python中logging模块详解_python的logging模块详解
weixin_39808893的博客
12-05 263
日志级别>>>importlogging>>>logging.NOTSET0>>>logging.DEBUG10>>>logging.INFO20>>>logging.WARN30>>>logging.ERROR40>>>logging.CRITICAL50>&gt...
python中logging模块_在项目中定制python的logging模块的实例
weixin_33895547的博客
02-09 387
在一个项目中，日志模块是必不可少的，健壮的日志输出有助于及时发现问题和调试。python的日志模块logging为我们提供了强大的日志功能。一.logging模块简介我们先看一个标准的程序：import logginglogger=logging.getLogger()handler=logging.FileHandler("Log_test.txt")logger.addHandler(hand...
python的logging使用
小白的笔记
10-21 2157
‘’’ 日志级别 DEBUG Python 标准库 logging 用作记录日志，默认分为六种日志级别（括号为级别对应的数值）， NOTSET（0）、DEBUG（10）、INFO（20）、WARNING（30）、ERROR（40）、CRITICAL（50）。 logging 执行时输出大于等于设置的日志级别的日志信息，如设置日志级别是 INFO，则 INFO、WARNING、ERROR、CRITICAL 级别的日志都会输出。 ‘’’ import logging logger = logging.getLo
logging 详解第三期：Logging 不为人知的二三事
qq_39967751的博客
04-26 516
我们在之前的两篇文章中介绍了配置 Logging 的流程，然而除此之外，Logging 还有一些高级用法，如果不了解的话，可能会产生意想不到的 Bug。 今天的文章，我们就来详细解析一下这些高级用法。 OpenMMLab：logging 详解第一期：是谁偷偷动了我的 logger​zhuanlan.zhihu.com/p/481383590?utm_source=zhihu&utm_medium=social&utm_oi=889589031917219840正在上传…重新上传取消 Op
ML-Logger 使用教程
gitblog_00009的博客
10-10 1125
ML-Logger 使用教程 1. 项目介绍 ML-Logger 是一个简单且可扩展的日志记录工具，带有美观的可视化仪表板。它旨在帮助机器学习项目中的数据记录和可视化，支持本地和远程数据存储，并且具有高性能的异步写入功能，不会拖慢训练进程。 主要特点 简单易用：零配置即可开始使用。 高性能：异步写入，支持多进程并发。 可视化：支持 Matplotlib 图表的远程可视化。 可扩展：适用于各种机器...
神奇的python（四）之logging日志文件系统
absinjun的博客
08-02 1484
(1) 简介 日志调试输出信息 日志级别: critical > error > warning > info > debug,notset 级别越高打印的日志越少,反之亦然,即 debug : 打印全部的日志(notset等同于debug) info : 打印info,warning,error,critical级别的日志 warning ......
Python logging模块详解
热门推荐
刀刀的专栏
05-06 13万+
简单将日志打印到屏幕： import logging logging.debug('debug message') logging.info('info message') logging.warning('warning message') logging.error('error message') logging.critical('critical message')输出： WARNI
python detector.py
最新发布
07-09
<think>我们正在编写一个监控文件夹并处理图片的Python脚本。根据要求，我们需要确保检测过但未识别到的图片被单独存放在一个文件夹中。我们已经有了一个实现，但需要进一步优化和明确。 目标： 1. 监控一个文件夹（SOURCE_DIR），当有新图片出现时进行处理。 2. 使用YOLOv8模型检测图片中的目标。 3. 如果检测到目标，将结果按类别保存到detected_results下的对应子文件夹（每个类别一个文件夹）。 4. 如果没有检测到目标，将图片保存到专门的no_detection文件夹（按日期创建子文件夹）。 5. 支持配置是否在未检测到目标的图片上添加文本标注。 代码中已经实现的功能： - 使用YOLOv8模型进行目标检测。 - 将检测到的目标按类别保存。 - 对未检测到目标的图片，可以选择保存原始图片或添加“No Detection”文本后保存，并放入按日期创建的no_detection子文件夹。 - 使用轮询机制监控文件夹，避免重复处理。 现在，我们按照要求，将代码整理并确保满足所有条件。 注意：我们假设用户已经安装了必要的库（ultralytics, opencv-python）。 我们将代码组织如下：</think>下面是一个完整的文件夹监控和目标检测脚本，可直接保存为 `detector.py` 运行： ```python """ 文件夹监控与目标检测系统 功能： 1. 监控指定文件夹中的新图片 2. 使用YOLOv8进行目标检测 3. 将检测结果按类别保存到对应文件夹 4. 未检测到目标的图片单独保存到"no_detection"文件夹 5. 支持按日期分类存储未检测图片 """ import os import time import datetime import logging from pathlib import Path from collections import defaultdict from ultralytics import YOLO import cv2 # 配置参数 SOURCE_DIR = "input_images" # 监控的图片文件夹 OUTPUT_DIR = "detected_results" # 检测结果根目录 NO_DETECTION_DIR = "no_detection" # 未检测到目标的文件夹 POLL_INTERVAL = 1 # 文件夹轮询间隔(秒) STABLE_TIME = 0.5 # 文件稳定时间(秒) IMAGE_EXTS = {'.jpg', '.jpeg', '.png', '.bmp', '.webp'} # 支持的图片格式 CONFIDENCE_THRESHOLD = 0.25 # 置信度阈值 SAVE_ORIGINAL_NO_DETECTION = True # 是否保存原始未检测图片 MODEL_NAME = 'yolov8n.pt' # 使用的模型文件 # 配置日志 logging.basicConfig( level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s', handlers=[ logging.FileHandler("detector.log"), logging.StreamHandler() ] ) def setup_directories(): """创建必要的目录结构""" Path(SOURCE_DIR).mkdir(parents=True, exist_ok=True) Path(OUTPUT_DIR).mkdir(parents=True, exist_ok=True) Path(NO_DETECTION_DIR).mkdir(parents=True, exist_ok=True) logging.info(f"监控文件夹: {SOURCE_DIR}") logging.info(f"结果保存到: {OUTPUT_DIR}") logging.info(f"未检测图片保存到: {NO_DETECTION_DIR}") def create_no_detection_folder(): """创建按日期分类的未检测文件夹""" today = datetime.datetime.now().strftime("%Y-%m-%d") no_detect_dir = Path(NO_DETECTION_DIR) / today no_detect_dir.mkdir(parents=True, exist_ok=True) return no_detect_dir def process_image(image_path, model): """ 处理单张图片并保存结果 参数: image_path (str): 图片文件路径 model (YOLO): 加载的YOLO模型 返回: dict: 处理结果统计 """ # 读取原始图片 try: original_img = cv2.imread(image_path) if original_img is None: logging.error(f"无法读取图片: {image_path}") return {} except Exception as e: logging.error(f"读取图片出错: {image_path} - {str(e)}") return {} # 执行目标检测 try: results = model(image_path, conf=CONFIDENCE_THRESHOLD) except Exception as e: logging.error(f"目标检测失败: {image_path} - {str(e)}") return {} # 检测结果计数器 detection_count = 0 class_files = defaultdict(list) # 处理检测结果 for result in results: # 统计检测到的目标数量 if result.boxes is not None: detection_count += len(result.boxes) # 绘制检测结果 plotted_img = result.plot() # 获取检测到的类别 class_indices = result.boxes.cls.int().tolist() # 为每个检测到的类别保存结果 for cls_idx in set(class_indices): # 使用set去重 cls_name = model.names[cls_idx] cls_dir = Path(OUTPUT_DIR) / cls_name cls_dir.mkdir(parents=True, exist_ok=True) # 保存路径 save_path = str(cls_dir / f"{Path(image_path).stem}_result{Path(image_path).suffix}") try: cv2.imwrite(save_path, plotted_img) class_files[cls_name].append(save_path) except Exception as e: logging.error(f"保存图片失败: {save_path} - {str(e)}") # 如果没有检测到任何目标 if detection_count == 0: # 创建按日期分类的未检测文件夹 no_detect_dir = create_no_detection_folder() # 保存未检测图片 if SAVE_ORIGINAL_NO_DETECTION: # 保存原始图片 save_path = str(no_detect_dir / f"{file_name}") try: cv2.imwrite(save_path, original_img) class_files["no_detection"] = [save_path] logging.info(f"未检测到目标: 保存原始图片 -> {save_path}") except Exception as e: logging.error(f"保存未检测图片失败: {save_path} - {str(e)}") else: # 在图片上添加"未检测到目标"文本 try: annotated_img = original_img.copy() text = "No Detection" font = cv2.FONT_HERSHEY_SIMPLEX font_scale = 1 thickness = 2 color = (0, 0, 255) # 红色文本 # 获取文本尺寸并居中 text_size = cv2.getTextSize(text, font, font_scale, thickness)[0] text_x = (annotated_img.shape[1] - text_size[0]) // 2 text_y = (annotated_img.shape[0] + text_size[1]) // 2 # 添加文本 cv2.putText(annotated_img, text, (text_x, text_y), font, font_scale, color, thickness) # 保存路径 save_path = str(no_detect_dir / f"{Path(image_path).name}") cv2.imwrite(save_path, annotated_img) class_files["no_detection"] = [save_path] logging.info(f"未检测到目标: 添加标注后保存 -> {save_path}") except Exception as e: logging.error(f"处理未检测图片失败: {image_path} - {str(e)}") return class_files def monitor_folder(): """监控文件夹并处理新图片""" # 初始化模型 try: model = YOLO(MODEL_NAME) logging.info(f"加载模型成功: {MODEL_NAME}") except Exception as e: logging.error(f"加载模型失败: {MODEL_NAME} - {str(e)}") return # 记录已处理文件 processed_files = set() # 初始扫描已存在文件 for entry in Path(SOURCE_DIR).iterdir(): if entry.is_file() and entry.suffix.lower() in IMAGE_EXTS: processed_files.add(str(entry.resolve())) logging.info(f"开始监控文件夹，置信度阈值: {CONFIDENCE_THRESHOLD}") logging.info("按 Ctrl+C 停止监控...") try: while True: # 获取文件夹中的所有文件 for entry in Path(SOURCE_DIR).iterdir(): if not entry.is_file(): continue file_path = str(entry.resolve()) file_ext = entry.suffix.lower() # 检查是否为支持的图片文件 if file_ext not in IMAGE_EXTS: continue # 检查是否已处理过 if file_path in processed_files: continue # 检查文件是否稳定 file_age = time.time() - entry.stat().st_mtime if file_age < STABLE_TIME: continue # 处理新图片 logging.info(f"处理新图片: {entry.name}") result_files = process_image(file_path, model) # 记录已处理文件 processed_files.add(file_path) # 打印处理结果 if "no_detection" in result_files: logging.info(f" └─ 未检测到目标: {result_files['no_detection'][0]}") else: for cls_name, paths in result_files.items(): logging.info(f" ├─ 检测到 {cls_name}: {len(paths)}张图片") time.sleep(POLL_INTERVAL) except KeyboardInterrupt: logging.info("\n监控已停止") except Exception as e: logging.error(f"监控过程中发生错误: {str(e)}") if __name__ == "__main__": setup_directories() monitor_folder() ``` ### 使用说明 1. **安装依赖**： ```bash pip install ultralytics opencv-python ``` 2. **创建文件夹结构**： ``` your_project/ ├── detector.py ├── input_images/ # 监控文件夹（自动创建） ├── detected_results/ # 检测结果（自动创建） └── no_detection/ # 未检测图片（自动创建） ``` 3. **运行程序**： ```bash python detector.py ``` 4. **添加测试图片**： - 将图片放入 `input_images/` 文件夹 - 程序会自动检测并处理新图片 ### 功能特点 1. **智能文件夹监控**： - 自动检测新添加的图片文件 - 等待文件写入完成后再处理（避免处理不完整的文件） - 支持多种图片格式：JPG, PNG, BMP, WEBP 2. **目标检测处理**： - 使用YOLOv8进行目标检测 - 可配置置信度阈值（`CONFIDENCE_THRESHOLD`） - 检测结果按类别保存到对应子文件夹 3. **未检测图片处理**： - 未检测到目标的图片单独保存 - 按日期创建子文件夹（如 `no_detection/2023-10-15/`） - 可选择保存原始图片或添加标注的图片（`SAVE_ORIGINAL_NO_DETECTION`） 4. **错误处理与日志**： - 全面的异常处理 - 详细的日志记录（控制台输出 + 文件日志） - 错误信息清晰明了 5. **配置选项**： ```python # 主要配置参数 SOURCE_DIR = "input_images" # 监控文件夹 OUTPUT_DIR = "detected_results" # 结果保存目录 NO_DETECTION_DIR = "no_detection" # 未检测图片目录 CONFIDENCE_THRESHOLD = 0.25 # 置信度阈值 (0-1) MODEL_NAME = 'yolov8n.pt' # 模型文件 (yolov8s.pt, yolov8m.pt等) ``` ### 运行示例 ``` 2023-10-15 14:30:45,123 - INFO - 监控文件夹: input_images 2023-10-15 14:30:45,456 - INFO - 加载模型成功: yolov8n.pt 2023-10-15 14:30:45,789 - INFO - 开始监控文件夹，置信度阈值: 0.25 2023-10-15 14:30:45,789 - INFO - 按 Ctrl+C 停止监控... 2023-10-15 14:31:02,345 - INFO - 处理新图片: cat.jpg 2023-10-15 14:31:03,567 - INFO - ├─ 检测到 cat: 1张图片 2023-10-15 14:31:20,111 - INFO - 处理新图片: street.jpg 2023-10-15 14:31:21,234 - INFO - ├─ 检测到 person: 3张图片 2023-10-15 14:31:21,234 - INFO - ├─ 检测到 car: 2张图片 2023-10-15 14:31:40,555 - INFO - 处理新图片: empty.jpg 2023-10-15 14:31:41,678 - INFO - └─ 未检测到目标: no_detection/2023-10-15/empty.jpg ``` ### 文件结构示例 处理完成后，文件夹结构如下： ``` input_images/ # 原始图片（保持不变） ├─ cat.jpg ├─ street.jpg └─ empty.jpg detected_results/ # 检测结果 ├─ cat/ │ └─ cat_result.jpg ├─ person/ │ └─ street_result.jpg └─ car/ └─ street_result.jpg no_detection/ # 未检测到目标的图片 └─ 2023-10-15/ # 按日期分类 └─ empty.jpg # 未检测图片 ```
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值