Python使用loguru优雅的输出日志

时间：2022-11-25 16:56:14

Loguru: 更优雅的日志记录解决方案！

loguru 是一个 Python 简易且强大的第三方日志记录库，该库旨在通过添加一系列有用的功能来解决标准记录器的注意事项，从而减少 Python 日志记录的痛苦。

Python使用loguru优雅的输出日志

1. 引入原因

简单且方便的帮助我们输出需要的日志信息！

  • 使用 Python 来写程序或者脚本的话，常常遇到的问题就是需要对日志进行删除。一方面可以帮助我们在程序出问题的时候排除问题，二来可以帮助我们记录需要关注的信息。
  • 但是，使用自带自带的 logging 模块的话，则需要我们进行不同的初始化等相关工作。对应不熟悉该模块的同学来说，还是有些费劲的，比如需要配置 Handler/Formatter 等。
  1. import logging
  2. logger = logging.getLogger('xxx')
  3. handler = logging.StreamHandler()
  4. formatter = logging.Formatter('%(asctime)s %(name)-12s %(levelname)-8s %(message)s')
  5. handler.setFormatter(formatter)
  6. logger.addHandler(handler)
  7. logger.setLevel(logging.DEBUG)
  8. logger.debug('This is a %s', 'test')
  • 而 loguru 就是一个可以 开箱即用 的日志记录模块，我们不再需要复杂的初始化操作就可以通过如下命令来记录日志信息了。
  1. # pip
  2. $ pip install loguru

2. 功能特性

有很多优点，以下列举了其中比较重要的几点！

  • 开箱即用，无需准备
  • 无需初始化，导入函数即可使用
  • 更容易的文件日志记录与转存/保留/压缩方式
  • 更优雅的字符串格式化输出
  • 可以在线程或主线程中捕获异常
  • 可以设置不同级别的日志记录样式
  • 支持异步，且线程和多进程安全
  • 支持惰性计算
  • 适用于脚本和库
  • 完全兼容标准日志记录
  • 更好的日期时间处理

3. 快速上手

介绍 loguru 的常用操作和功能介绍！

[1] 开箱即用，无需准备

  • loguru 并没有什么黑科技，只是它预先帮助我们设置好了相关的配置，我们导入之后即可直接使用。
  1. from loguru import logger
  2. logger.debug("That's it, beautiful and simple logging!")

[2] 无需初始化，导入函数即可使用

  • 如何添加处理程序(handler)呢？
  • 如何设置日志格式(logs formatting)呢？
  • 如何过滤消息(filter messages)呢？
  • 如何如何设置级别(log level)呢？
  1. # add
  2. logger.add(sys.stderr, \
  3. format="{time} {level} {message}",\
  4. filter="my_module",\
  5. level="INFO")

[3] 更容易的文件日志记录与转存/保留/压缩方式

  1. # 日志文件记录
  2. logger.add("file_{time}.log")
  3. # 日志文件转存
  4. logger.add("file_{time}.log", rotation="500 MB")
  5. logger.add("file_{time}.log", rotation="12:00")
  6. logger.add("file_{time}.log", rotation="1 week")
  7. # 多次时间之后清理
  8. logger.add("file_X.log", retention="10 days")
  9. # 使用zip文件格式保存
  10. logger.add("file_Y.log", compression="zip")

[4] 更优雅的字符串格式化输出

  1. logger.info(
  2. "If you're using Python {}, prefer {feature} of course!",
  3. 3.6, feature="f-strings")

[5] 在线程或主线程中捕获异常

  1. @logger.catch
  2. def my_function(x, y, z):
  3. # An error? It's caught anyway!
  4. return 1 / (x + y + z)
  5. my_function(0, 0, 0)

[6] 可以设置不同级别的日志记录样式

  • Loguru 会自动为不同的日志级别，添加不同的颜色进行区分，当然我们也是可以自定义自己喜欢的显示颜色样式的。
  1. logger.add(sys.stdout,
  2. colorize=True,
  3. format="{time}{message}")
  4. logger.add('logs/z_{time}.log',
  5. level='DEBUG',
  6. format='{time:YYYY-MM-DD :mm:ss} - {level} - {file} - {line} - {message}',
  7. rotation="10 MB")

[7] 支持异步且线程和多进程安全

  • 默认情况下，添加到 logger 中的日志信息都是线程安全的。但这并不是多进程安全的，我们可以通过添加 enqueue 参数来确保日志完整性。
  • 如果我们想要在异步任务中使用日志记录的话，也是可以使用同样的参数来保证的。并且通过 complete() 来等待执行完成。
  1. # 异步写入
  2. logger.add("some_file.log", enqueue=True)

[8] 异常的完整性描述

  • 用于记录代码中发生的异常的 bug 跟踪，Loguru 通过允许显示整个堆栈跟踪(包括变量值)来帮助您识别问题。
  1. logger.add("out.log", backtrace=True, diagnose=True)
  2. def func(a, b):
  3. return a / b
  4. def nested(c):
  5. try:
  6. func(5, c)
  7. except ZeroDivisionError:
  8. logger.exception("What?!")
  9. nested(0)

[9] 结构化日志记录

  • 对日志进行序列化以便更容易地解析或传递数据结构，使用序列化参数，在将每个日志消息发送到配置的接收器之前，将其转换为 JSON 字符串。
  • 同时，使用 bind() 方法，可以通过修改额外的 record 属性来将日志记录器消息置于上下文中。还可以通过组合 bind() 和 filter 对日志进行更细粒度的控制。
  • 最后 patch() 方法允许将动态值附加到每个新消息的记录 dict 上。
  1. # 序列化为json格式
  2. logger.add(custom_sink_function, serialize=True)
  3. # bind方法的用处
  4. logger.add("file.log", format="{extra[ip]} {extra[user]} {message}")
  5. context_logger = logger.bind(ip="192.168.0.1", user="someone")
  6. context_logger.info("Contextualize your logger easily")
  7. context_logger.bind(user="someone_else").info("Inline binding of extra attribute")
  8. context_logger.info("Use kwargs to add context during formatting: {user}", user="anybody")
  9. # 粒度控制
  10. logger.add("special.log", filter=lambda record: "special" in record["extra"])
  11. logger.debug("This message is not logged to the file")
  12. logger.bind(special=True).info("This message, though, is logged to the file!")
  13. # patch()方法的用处
  14. logger.add(sys.stderr, format="{extra[utc]} {message}")
  15. loggerlogger = logger.patch(lambda record: record["extra"].update(utc=datetime.utcnow()))

[10] 惰性计算

  • 有时希望在生产环境中记录详细信息而不会影响性能，可以使用 opt() 方法来实现这一点。
  1. logger.opt(lazy=True).debug("If sink level <= DEBUG: {x}", x=lambda: expensive_function(2**64))
  2. # By the way, "opt()" serves many usages
  3. logger.opt(exception=True).info("Error stacktrace added to the log message (tuple accepted too)")
  4. logger.opt(colors=True).info("Per message <blue>colorsblue>")
  5. logger.opt(record=True).info("Display values from the record (eg. {record[thread]})")
  6. logger.opt(raw=True).info("Bypass sink formatting\n")
  7. logger.opt(depth=1).info("Use parent stack context (useful within wrapped functions)")
  8. logger.opt(capture=False).info("Keyword arguments not added to {dest} dict", dest="extra")

[11] 可定制的级别

  1. new_level = logger.level("SNAKY", no=38, color="", icon="
标签：

相关文章