Como Criar Logs Detalhados da Aplicação em Arquivo

Como Criar Logs Detalhados da Aplicação em Arquivo .log

O uso de print em produção impede a persistência, filtragem e rastreabilidade adequada de erros em aplicações realistas. Utilizando o módulo nativo logging, você consegue gravar automaticamente o histórico de execução em arquivos .log categorizados por níveis de severidade como INFO, WARNING e ERROR.

Python
import logging

# Configura o manipulador de logs para salvar em arquivo
logging.basicConfig(
    filename="app.log",  # Nome do arquivo de saída
    filemode="a",  # Modo 'a' para append (anexar novos logs)
    level=logging.INFO,  # Nível mínimo a ser registrado
    format="%(asctime)s [%(levelname)s] - %(message)s",  # Formato do registro
    datefmt="%Y-%m-%d %H:%M:%S",  # Formatação da data/hora
)


def processar_pagamento(valor: float, saldo: float):
    logging.info(
        f"Iniciando processamento do pagamento no valor de R${valor:.2f}"
    )

    if valor > saldo:
        # Registra alerta sobre falha de regra sem interromper a execução
        logging.warning("Tentativa de pagamento com saldo insuficiente.")
        return False

    try:
        # Simula lógica crítica
        novo_saldo = saldo - valor
        logging.info(
            f"Pagamento realizado com sucesso. Novo saldo: R${novo_saldo:.2f}"
        )
        return True
    except Exception as e:
        # Registra o erro crítico no log
        logging.error(f"Erro inesperado ao processar pagamento: {str(e)}")
        return False


# Exemplo de uso prático
if __name__ == "__main__":
    saldo_cliente = 100.00

    # Chamada bem-sucedida (grava INFO)
    processar_pagamento(45.00, saldo_cliente)

    # Chamada com falha controlada (grava WARNING)
    processar_pagamento(150.00, saldo_cliente)

Pontos-chave

  • Hierarquia de níveis: O logging respeita a ordem DEBUG < INFO < WARNING < ERROR < CRITICAL. Definir level=logging.INFO ignora mensagens do tipo DEBUG.

  • Formatação configurável (format): O parâmetro especifica os metadados gravados em cada linha; incluir %(asctime)s e %(levelname)s é fundamental para auditorias e análise em ferramentas de monitoramento.

  • Persistência contínua (filemode='a'): O modo append evita que os registros anteriores sejam sobrescritos a cada reinício da aplicação (use 'w' somente se desejar limpar o arquivo a cada execução).

  • Sem dependências externas: Por ser parte da biblioteca padrão do Python, o módulo logging não exige instalação via pip e possui baixíssimo custo de performance.

Comentários

Postagens mais visitadas deste blog

Gerando Relatórios em PDF com Python (ReportLab e FPDF)

Python para Computação Quântica: Introdução com Qiskit

C# e Banco de Dados: Como Conectar e Realizar Operações com SQL Server