Как логировать ошибки в Python-скриптах — есть нюансы
 

Введение
Если ты всерьёз занимаешься Python-разработкой, рано или поздно столкнёшься с задачей правильного логирования ошибок. Просто вывести информацию об исключениях в консоль — это, мягко говоря, болезнь новичков. Настоящее логирование — это система, которая помогает не только увидеть, что что-то сломалось, но и быстро понять где, почему и как это произошло. Если делать всё правильно, логи становятся твоими лучшими друзьями при отладке и мониторинге, а если халтурить — превратятся в кашу, в которой невозможно разобраться.

Что такое логирование ошибок
Логирование ошибок — это процесс записи сведений о возникших ошибках, исключениях и необычных событиях при работе твоей программы. Обычно это текстовые сообщения, которые фиксируются в файлах, базах или даже отправляются на удалённые сервисы для аналитики. Такие записи дают возможность не сидеть часами в дебаггере, а быстро сориентироваться, что именно сломалось и в каких условиях.

Где применяется логирование
Логирование ошибок — универсальная штука, которая нужна буквально везде. Вот основные кейсы:
- В автоматических скриптах и пакетных заданиях, где нельзя постоянно сидеть и мониторить, что происходит. Логи помогают быстро найти, почему упала задача.
- В веб-приложениях, где ошибки пользователя, сбои backend-сервисов и прочее нужно как-то фиксировать. Это помогает понять, где сайту нужно “починиться”.
- В процессах обработки данных, особенно если данные критичны и ошибки влияют на результат, здесь логи помогут сохранить контроль.
- В ботах и длительно работающих программах, где важно собирать данные об ошибках, чтобы вовремя реагировать, а не ждать, пока всё рухнет.

Почему просто print — это не вариант
Многие новички сначала просто выводят ошибки в консоль через print, но это неудобно и ненадёжно:
- сообщения теряются, если скрипт запущен как сервис или в фоне;
- невозможно отчётливо выделить важные ошибки среди обычного вывода;
- нет удобного формата, времени и контекста ошибок;
- сложнее потом обрабатывать и собирать статистику по ошибкам.

Поэтому в Python используют встроенный модуль logging, который заточен под правильное ведение логов.

Основы работы с logging
logging — стандартный модуль Python, который позволяет:
- записывать логи в разные места (файлы, консоль, сетевые сервисы);
- задавать уровни важности (DEBUG, INFO, WARNING, ERROR, CRITICAL);
- форматировать сообщения, добавлять время, имя функции, номер строки;
- менять поведение логгера динамически.

Простой пример:
import logging
logging.basicConfig(filename='app.log', level=logging.ERROR, format='%(asctime)s %(levelname)s %(message)s')
try:
1 / 0
except Exception as e:
logging.error("Ошибка деления: %s", e)

Так мы ловим исключение и пишем нормальный лог с временем и уровнем ошибки.

Чек-лист по логированию ошибок в Python
1. Используй модуль logging, а не print. Это базовый и обязательный момент.
2. Задавай правильный уровень логов: для ошибок — ERROR или CRITICAL, для предупреждений — WARNING, для отладочной информации — DEBUG.
3. Форматируй логи так, чтобы была дата, время, уровень, сообщение, место ошибки (модуль, функция, строка).
4. Логируй исключения через logging.exception() внутри блока except — это сразу добавит traceback.
5. Не захламляй логи бесполезной инфой — важна именно релевантная ошибка, а не тысячи одинаковых debug сообщений.
6. Храни логи в удобных местах, делай вращение файлов (rotation), чтобы они не занимали весь диск.
7. Периодически проверяй логи для анализа качества и стабильности скрипта.
8. Если используешь многопроцессные приложения, учитывай, что logging надо настраивать с учётом concurrency.

Типичные ошибки при логировании
• Использование print вместо logging — потом сложно разбираться, где реальная ошибка.
• Логи без временных меток и уровней, что сильно усложняет их чтение.
• Логирование только в консоль — если приложение упадёт, ошибок просто не будет видно.
• Писать слишком много логов — приводят к засорению и потере важных сообщений.
• Не учитывать ротацию файлов — логи растут до гигантских размеров и съедают место на диске.
• Игнорирование исключений в логах — просто пишут "Error occurred", без подробностей и stacktrace.
• Логирование с неправильной кодировкой — особенно важно, если используются русскоязычные сообщения.

Полезные советы
- В работе с logging можно использовать сторонние библиотеки, например loguru — она проще и удобнее для начала.
- Иногда удобно отправлять логи в систему сбора, например Graylog или ELK-stack, чтобы быстро искать и фильтровать.
- Для веб-приложений логируй не только ошибки, но и другие важные события (например, входы пользователей, критичные операции).
- Не забывай про безопасность — не пиши в логи чувствительные данные (пароли, токены).

FAQ по логированию ошибок в Python

— Как вернуть кнопку для логирования исключений с полным traceback?
Используй logging.exception() прямо внутри except — модуль сам приложит traceback к сообщению.

— Как сохранять логи в нескольких местах — например, файл и консоль одновременно?
Настраивай несколько обработчиков (handlers) для логгера: FileHandler для файлов и StreamHandler для консоли.

— Что делать, если лог-файлы слишком быстро растут?
Воспользуйся лог-ротацией: модуль logging поддерживает RotatingFileHandler и TimedRotatingFileHandler — они автоматически создадут новый файл при достижении размера или по времени.

— Можно ли логировать ошибки прямо в формате JSON?
Да, можно написать свой форматтер или использовать внешние библиотеки, чтобы потом легко парсить логи автоматами.

— Используется ли logging в асинхронных приложениях?
Да, но нужно правильно конфигурировать логгер, чтобы избежать конфликтов при параллельном выводе из разных корутин или потоков.

— Есть ли готовые решения для централизованного логирования?
Множество: ELK (Elasticsearch, Logstash, Kibana), Graylog, Fluentd, CloudWatch AWS и прочие. Варьируй в зависимости от задачи и бюджета.

Подытожим
Логирование ошибок — обязательный этап в разумной разработке на Python. Оно экономит кучу времени при отладке и поддержке проектов. Не игнорируй настройку логов и не используй print для ошибок — это почти всегда дорога в ад. Если настроить logging аккуратно, логи станут мощным помощником, а не раздражающим шумом.

Если кто сталкивался с нестандартными ситуациями в логировании или есть крутые приёмы — делитесь опытом, интересно обсудить!