Python3 Loguru输出日志工具如何使用

这篇文章主要介绍“python3 Loguru输出日志工具如何使用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“python3 Loguru输出日志工具如何使用”文章能帮助大家解决问题。

一、前言

Python logging 模块定义了为应用程序和库实现灵活的事件日志记录的函数和类。

程序开发过程中，很多程序都有记录日志的需求，并且日志包含的信息有正常的程序访问日志还可能有错误、警告等信息输出，Python 的 logging 模块提供了标准的日志接口，可以通过它存储各种格式的日志,日志记录提供了一组便利功能，用于简单的日志记录用法。

使用 Python Logging 模块的主要好处是所有 Python 模块都可以参与日志记录Logging 模块提供了大量具有灵活性的功能。

为什么要使用loguru?

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。 随着业务的复杂度提升, 对日志收集有着更高的要求, 例如: 日志分类, 文件存储, 异步写入, 自定义类型等等

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。

二、优雅的使用loguru

1. 安装loguru

pip install loguru

2.功能特性介绍

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. 开箱即用，无需准备

from loguru import logger  logger.debug("That's it, beautiful and simple logging!")

无需初始化，导入函数即可使用, 那么你肯定要问, 如何解决一下问题?

• 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？

# add  logger.add(sys.stderr, \      format="{time} {level} {message}",\      filter="my_module",\      level="INFO")

是不是很easy~

4. 更容易的文件日志记录与转存/保留/压缩方式

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

5. 更优雅的字符串格式化输出

logger.info(      "If you're using Python {}, prefer {feature} of course!",      3.10, feature="f-strings")

6. 在子线程或主线程中捕获异常

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

7. 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, 也支持自定义颜色哦~

logger.add(sys.stdout,      colorize=True,      format="<green>{time}</green> <level>{message}</level>")  logger.add('logs/z_{time}.log',             level='DEBUG',             format='{time:YYYY-MM-DD :mm:ss} - {level} - {file} - {line} - {message}',             rotation="10 MB")

8.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。

# 异步写入  logger.add("some_file.log", enqueue=True)

你没有看错, 只需要enqueue=True即可异步执行

9. 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

logger.add("out.log", backtrace=True, diagnose=True)  def func(a, b):      return a / b  def nested(c):      try:          func(5, c)      except ZeroDivisionError:          logger.exception("What?!")  nested(0)

10. 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。

# 序列化为json格式  logger.add(custom_sink_function, serialize=True)  # bind方法的用处  logger.add("file.log", format="{extra[ip]} {extra[user]} {message}")  context_logger = logger.bind(ip="192.168.2.174", user="someone")  context_logger.info("Contextualize your logger easily")  context_logger.bind(user="someone_else").info("Inline binding of extra attribute")  context_logger.info("Use kwargs to add context during formatting: {user}", user="anybody")  # 粒度控制  logger.add("special.log", filter=lambda record: "special" in record["extra"])  logger.debug("This message is not logged to the file")  logger.bind(special=True).info("This message, though, is logged to the file!")  # patch()方法的用处  logger.add(sys.stderr, format="{extra[utc]} {message}")  loggerlogger = logger.patch(lambda record: record["extra"].update(utc=datetime.utcnow()))

11. 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。

logger.opt(lazy=True).debug("If sink level <= DEBUG: {x}", x=lambda: expensive_function(2**64))  # By the way, "opt()" serves many usages  logger.opt(exception=True).info("Error stacktrace added to the log message (tuple accepted too)")  logger.opt(colors=True).info("Per message <blue>colors</blue>")  logger.opt(record=True).info("Display values from the record (eg. {record[thread]})")  logger.opt(raw=True).info("Bypass sink formatting\n")  logger.opt(depth=1).info("Use parent stack context (useful within wrapped functions)")  logger.opt(capture=False).info("KeyWord arguments not added to {dest} dict", dest="extra")

12. 可定制的级别

new_level = logger.level("SNAKY", no=38, color="<yellow>", icon="????")  logger.log("SNAKY", "Here we Go!")

13. 适用于脚本和库

# For scripts  config = {      "handlers": [          {"sink": sys.stdout, "format": "{time} - {message}"},          {"sink": "file.log", "serialize": True},      ],      "extra": {"user": "someone"}  }  logger.configure(**config)  # For libraries  logger.disable("my_library")  logger.info("No matter added sinks, this message is not displayed")  logger.enable("my_library")  logger.info("This message however is propagated to the sinks")

14. 完全兼容标准日志记录

• 希望使用 Loguru 作为内置的日志处理程序？

• 需要将 Loguru 消息到标准日志？

• 想要拦截标准的日志消息到 Loguru 中汇总？

handler = logging.handlers.SysLogHandler(address=('localhost', 514)) logger.add(handler)  class PropagateHandler(logging.Handler):      def emit(self, record):          logging.getLogger(record.name).handle(record)  logger.add(PropagateHandler(), format="{message}")  class InterceptHandler(logging.Handler):      def emit(self, record):          # Get corresponding Loguru level if it exists          try:              level = logger.level(record.levelname).name          except ValueError:              level = record.levelno          # Find caller from where originated the logged message          frame, depth = logging.currentframe(), 2          while frame.f_code.co_filename == logging.__file__:              frameframe = frame.f_back              depth += 1          logger.opt(depthdepth=depth, exception=record.exc_info).log(level, record.getMessage())  logging.basicConfig(handlers=[InterceptHandler()], level=0)

15. 非常方便的解析器

从生成的日志中提取特定的信息通常很有用，这就是为什么 Loguru 提供了一个 parse() 方法来帮助处理日志和正则表达式。

pattern = r"(?P<time>.*) - (?P<level>[0-9]+) - (?P<message>.*)"  # Regex with named groups  caster_dict = dict(time=dateutil.parser.parse, level=int)        # Transform matching groups  for groups in logger.parse("file.log", pattern, cast=caster_dict):      print("Parsed:", groups)     # {"level": 30, "message": "Log example", "time": datetime(2018, 12, 09, 11, 23, 55)}

16. 通知机制 (邮件告警)

import notifiers  params = {      "username": "you@gmail.com",      "password": "abc123",      "to": "dest@gmail.com"  }  # Send a single notification  notifier = notifiers.get_notifier("gmail")  notifier.notify(message="The application is running!", **params)  # Be alerted on each error message  from notifiers.logging import NotificationHandler  handler = NotificationHandler("gmail", defaults=params)  logger.add(handler, level="ERROR")

17. flask 框架集成

• 现在最关键的一个问题是如何兼容别的 logger，比如说 tornado 或者 Django 有一些默认的 logger。

• 经过研究，最好的解决方案是参考官方文档的，完全整合 logging 的工作方式。比如下面将所有的 logging都用 loguru 的 logger 再发送一遍消息。

import logging  import sys  from pathlib import Path  from flask import Flask  from loguru import logger  app = Flask(__name__)  class InterceptHandler(logging.Handler):      def emit(self, record):          loggerlogger_opt = logger.opt(depth=6, exception=record.exc_info)          logger_opt.log(record.levelname, record.getMessage())  def configure_logging(flask_app: Flask):      """配置日志"""      path = Path(flask_app.config['LOG_PATH'])      if not path.exists():          path.mkdir(parents=True)      log_name = Path(path, 'sips.log')      logging.basicConfig(handlers=[InterceptHandler(level='INFO')], level='INFO')      # 配置日志到标准输出流      logger.configure(handlers=[{"sink": sys.stderr, "level": 'INFO'}])      # 配置日志到输出到文件      logger.add(log_name, rotation="500 MB", encoding='utf-8', colorize=False, level='INFO')

18. 要点解析

介绍，主要函数的使用方法和细节 - add()的创建和删除

• add() 非常重要的参数 sink 参数

• 具体的实现规范可以参见官方文档

• 可以实现自定义 Handler 的配置，比如 FileHandler、StreamHandler 等等

• 可以自行定义输出实现

• 代表文件路径，会自动创建对应路径的日志文件并将日志输出进去

• 例如 sys.stderr 或者 open(‘file.log’, ‘w’) 都可以

• 可以传入一个 file 对象

• 可以直接传入一个 str 字符串或者 pathlib.Path 对象

• 可以是一个方法

• 可以是一个 logging 模块的 Handler

• 可以是一个自定义的类

def add(self, sink, *,      level=_defaults.LOGURU_LEVEL, format=_defaults.LOGURU_FORMAT,      filter=_defaults.LOGURU_FILTER, colorize=_defaults.LOGURU_COLORIZE,      serialize=_defaults.LOGURU_SERIALIZE, backtrace=_defaults.LOGURU_BACKTRACE,      diagnose=_defaults.LOGURU_DIAGNOSE, enqueue=_defaults.LOGURU_ENQUEUE,      catch=_defaults.LOGURU_CATCH, **kwargs  ):

另外添加 sink 之后我们也可以对其进行删除，相当于重新刷新并写入新的内容。删除的时候根据刚刚 add 方法返回的 id 进行删除即可。可以发现，在调用 remove 方法之后，确实将历史 log 删除了。但实际上这并不是删除，只不过是将 sink 对象移除之后，在这之前的内容不会再输出到日志中，这样我们就可以实现日志的刷新重新写入操作

from loguru import logger  trace = logger.add('runtime.log')  logger.debug('this is a debug message')  logger.remove(trace)  logger.debug('this is another debug message')

三、总结

我们在开发流程中, 通过日志快速定位问题, 高效率解决问题, 我认为 loguru 能帮你解决不少麻烦, 赶快试试吧~

当然, 使用各种也有不少麻烦, 例如:

1. 常见错误1:

--- Logging error in Loguru Handler #3 ---
Record was: None
Traceback (most recent call last):
 File "/usr/local/lib/python3.9/site-packages/loguru/_handler.py", line 272, in _queued_writer
   message = queue.get()
 File "/usr/local/lib/python3.9/multiprocessing/queues.py", line 366, in get
   res = self._reader.recv_bytes()
 File "/usr/local/lib/python3.9/multiprocessing/connection.py", line 221, in recv_bytes
   buf = self._recv_bytes(maxlength)
 File "/usr/local/lib/python3.9/multiprocessing/connection.py", line 419, in _recv_bytes
   buf = self._recv(4)
 File "/usr/local/lib/python3.9/multiprocessing/connection.py", line 384, in _recv
   chunk = read(handle, remaining)
OSError: [Errno 9] Bad file descriptor
--- End of logging error ---

解决办法:
尝试将logs文件夹忽略git提交, 避免和服务器文件冲突即可;
当然也不止这个原因引起这个问题, 也可能是三方库(ciscoconfparse)冲突所致.解决办法: https://GitHub.com/Delgan/loguru/issues/534

2.常见错误2:

File "/home/ronaldinho/xxx/xxx/venv/lib/python3.9/site-packages/loguru/_logger.py", line 939, in add
   handler = Handler(
 File "/home/ronaldinho/xxx/xxx/venv/lib/python3.9/site-packages/loguru/_handler.py", line 86, in __init__
   self._queue = multiprocessing.SimpleQueue()
 File "/home/ronaldinho/.pyenv/versions/3.9.4/lib/python3.9/multiprocessing/context.py", line 113, in SimpleQueue
   return SimpleQueue(ctx=self.get_context())
 File "/home/ronaldinho/.pyenv/versions/3.9.4/lib/python3.9/multiprocessing/queues.py", line 342, in __init__
   self._rlock = ctx.Lock()
 File "/home/ronaldinho/.pyenv/versions/3.9.4/lib/python3.9/multiprocessing/context.py", line 68, in Lock
   return Lock(ctx=self.get_context())
 File "/home/ronaldinho/.pyenv/versions/3.9.4/lib/python3.9/multiprocessing/synchronize.py", line 162, in __init__
 File "/home/ronaldinho/.pyenv/versions/3.9.4/lib/python3.9/multiprocessing/synchronize.py", line 57, in __init__
OSError: [Errno 24] Too many open files

你可以 remove()添加的处理程序，它应该释放文件句柄。

关于“Python3 Loguru输出日志工具如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网Python频道，小编每天都会为大家更新不同的知识点。