本文是loguru的doc的阅读笔记，原文链接为：原文链接

loguru 是一个替代 Python logging 的第三方库：简单易用且功能强大。

Loguru 仅使用一个全局 logger 实例

• 在整个进程中，无需创建多个 logger 实例，而是使用一个预配置的单一 logger，这与Python标准的 logging 库的使用方式不同。
• 使用一个全局的 logger 可以简化配置，方便使用，您可以在任何地方导入 logger 以直接使用，同时确保日志的格式和处理方法在整个进程中保持一致。
• 尽管只有一个全局的 logger 对象，但 loguru 允许用户使用 bind 来添加自定义的上下文属性，并提供了 filter 来区分不同的日志源，并进行不同的处理。

用 add() 代替了 handlers、formatters、filters

add() 方法允许进行以下设置：

• 输出目标（sink）：可以是文件名、文件对象、标准输出、自定义流、远程服务器或数据库。
• 日志格式：可以自定义日志的显示格式。
• 日志级别：您可以全局设置，或为每个输出目标设置单独的级别。
• 过滤器：可以是一个函数或条件表达式，用于决定是否输出日志。
• 文件的压缩和大小限制：根据时间和文件大小设置自动覆盖轮转，并能自动压缩日志文件。

logger.add(sys.stderr, format="{time} {level} {message}", filter="my_module", level="INFO")
logger.add("file_{time}.log")
logger.add("file_1.log", rotation="500 MB")    # Automatically rotate too big file
logger.add("file_2.log", rotation="12:00")     # New file is created each day at noon
logger.add("file_3.log", rotation="1 week")    # Once the file is too old, it's rotated
logger.add("file_X.log", retention="10 days")  # Cleanup after some time
logger.add("file_Y.log", compression="zip")    # Save some loved space

加强的文本格式化

• 可以直接在日志字符串中使用 {} 来插入变量或者表达式。
• 日志格式支持富文本和颜色编码。

from loguru import logger
score = 100.0
user = {'name': 'Ben', 'age': 18}
logger.info("{}, {s}, {name} and {age}", score, s=score, **user)
logger.info("If you're using Python {}, prefer {feature} of course!", 3.9, feature="f-strings")# Pretty logging with color
logger.add(sys.stdout, colorize=True, format="<green>{time}</green> <level>{message}</level>")

• 消息的文本和值紧密相连，便于阅读。
• 花括号内支持表达式，具有灵活性。
• loguru 对表达式的求值采用延迟计算，若不满足记录条件，则不进行求值。

用 catch 记录未捕获的异常

• 在 loguru 中，catch 是一个装饰器，它可以应用于一个函数上，用以捕获该函数抛出的异常。
• 在 loguru 中，catch 可以作为上下文管理器，与 with 一起用于捕获抛出的异常。

from loguru import logger
@logger.catch
def thread_function_with_exeption():raise ValueError('An Exeption!')def foo():with logger.catch():raise ValueError('An Exception!')

线程安全、多进程、异步日志记录

• 在 loguru 中，sink 是线程安全的。
• 在多进程环境中，如果多个进程尝试写入同一个日志文件，可能会导致数据损坏。为了避免这种情况，可以在使用 add 方法时加上 enqueue=True 参数，这将使得日志消息通过消息队列进行管理。
• 在高性能应用中，使用 enqueue=True 可以让消息处理在后台线程中执行，从而减少对主应用性能的影响。
• 如果你的 sink 是一个协程函数，例如，你添加了一个协程来将日志保存到远程服务或数据库，记得在最后调用 loguru.complete() 以确保所有的异步日志任务已完成。

import asyncio
from loguru import loggerasync def async_sink(message):await async_operation(message)logger.add(async_sink)async def main():logger.info('my message')await logger.complete()asyncio.run(main())

完整的异常描述

• 能够完整地记录异常信息，包括堆栈跟踪（stack trace）和触发异常时的变量值。

# Caution, "diagnose=True" is the default and may leak sensitive data in prod
logger.add("out.log", backtrace=True, diagnose=True)def func(a, b):return a / bdef nested(c):try:func(5, c)except ZeroDivisionError:logger.exception("What?!")nested(0)> 2018-07-17 01:38:43.975 | ERROR    | __main__:nested:10 - What?!
> Traceback (most recent call last):
>
>   File "test.py", line 12, in <module>
>     nested(0)
>     └ <function nested at 0x7f5c755322f0>
>
> > File "test.py", line 8, in nested
>     func(5, c)
>     │       └ 0
>     └ <function func at 0x7f5c79fc2e18>
>
>   File "test.py", line 4, in func
>     return a / b
>            │   └ 0
>            └ 5
>
> ZeroDivisionError: division by zero

结构化和序列化

• 将日志记录序列化为结构化的JSON，以便传递给其他模块进行解析。

logger.add(sys.stdout, serialize=True)
logger.info('Logger initialized')> {
>   "text": "2024-04-28 15:13:22.256 | INFO     | __main__:<module>:32 - Logger initialized\\n",
>   "record": {
>     "elapsed": {
>       "repr": "0:00:00.244809",
>       "seconds": 0.244809
>     },
>     "exception": null,
>     "extra": {},
>     "file": {
>       "name": "my_test.py",
>       "path": ".../my_test.py"
>     },
>     "function": "<module>",
>     "level": {
>       "icon": "ℹ️",
>       "name": "INFO",
>       "no": 20
>     },
>     "line": 32,
>     "message": "Logger initialized",
>     "module": "my_test",
>     "name": "__main__",
>     "process": {
>       "id": 66324,
>       "name": "MainProcess"
>     },
>     "thread": {
>       "id": 7993007168,
>       "name": "MainThread"
>     },
>     "time": {
>       "repr": "2024-04-28 15:13:22.256298+08:00",
>       "timestamp": 1714288402.256298
>     }
>   }
> }

logger 的上下文管理

• 可以为日志消息添加额外的上下文信息，这等同于为每一条相关的日志消息增加了一些 Record 属性，这些属性会与日志一起被记录。

logger.add("file.log", format="{extra[ip]} {extra[user]} {message}")
context_logger = logger.bind(ip="192.168.0.1", 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")

• 通过结合使用 bind() 和 filter，您可以更精确地控制日志输出。

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!")

• 使用 patch() 方法在写日志之前动态添加属性。

logger.add(sys.stderr, format="{extra[utc]} {message}")
logger = logger.patch(lambda record: record["extra"].update(utc=datetime.utcnow()))

• 使用 contextualize() 方法临时修改上下文

with logger.contextualize(task=task_id):...logger.info("End of task")``

---

# 定义一个函数来创建格式化字符串，需要包含特定的 extra 字段
def custom_format(record):task_value = record["extra"].get("task", "N/A")  # 从extra获取task字段，如果没有则返回"N/A"return f"{record['time']} {record['level']} {record['message']} | task={task_value}"logger.add(sink_obj, format=custom_format, level="INFO")task_id = ...with logger.contextualize(task=task_id):logger.info("End of task")

---

logger.opt() 方法

• logger.opt(lazy=True)：只有 message 需要输出的时候才去对其求值，这样可以避免一些计算代价比较高的运算。
• logger.opt(exception=True)：在日志消息中添加异常堆栈跟踪。
• logger.opt(depth=1)：改变堆栈跟踪深度
• logger.opt(color=True)：在日志消息中使用颜色。
• logger.opt(record=True)：在日志消息记录线程 ID 等各种属性。
• logger.opt(raw=True)：绕过日志的格式化器直接输出。
• logger.opt(capture=False)：是否将关键字参数自动添加到日志记录的 extra。

---

def my_decorator(func):def wrapper(*args, **kwargs):logger.info(f"Calling function: {func.__name__}")logger.opt(depth=1).info(f"Calling function: {func.__name__}")result = func(*args, **kwargs)return resultreturn wrapper@my_decorator
def some_function():logger.info("Inside some_function")some_function()

2024-05-06 15:06:25.984 | INFO     | __main__:wrapper:5 - Calling function: some_function
2024-05-06 15:06:25.984 | INFO     | __main__:<module>:15 - Calling function: some_function
2024-05-06 15:06:25.985 | INFO     | __main__:some_function:13 - Inside some_function

---

loguru 自定义日志级别

• 创建一个新的日志级别：new_level = logger.level("SNAKY", no=38, color="<yellow>", icon="🐍")
  • "SNAKY": 新日志级别的名称。
  • no=38: 日志级别的数值。日志级别的数值很重要，因为它决定了日志消息的重要性。数值越低，级别越高。例如，标准的 DEBUG 级别是 10，而 CRITICAL 是 50。
  • color="<yellow>": 在支持颜色的终端中，此级别的日志消息将以黄色显示。
  • icon="🐍": 这个级别的日志消息将以蛇形图标（🐍）作为前缀。
• 使用自定义的日志级别：logger.log("SNAKY", "Here we go!")
• loguru 增加了两个非标准的级别：trace 和 success
  • trace 级别在日志级别层次中处于最低端，低于 DEBUG 级别，用于输出极其详细的执行信息的情况，比如复杂的问题排查（troubleshooting）和调试，可以使用它来记录函数的详细调用参数、返回值或是中间计算的状态。
  • success 级别用于记录操作成功完成的情况，高于 INFO 级别，但低于 WARNING 级别，为成功事件提供了一个明确的记录点。例如，在一个长时间运行的数据处理任务成功完成后，或是在用户完成关键的账户设置步骤后。

日期的简化和优化

• 在传统的 Python logging 模块中，处理日期和时间往往需要手动设置多个参数，如 datefmt、在格式字符串中使用 %(asctime)s 和 %(created)s 等，而且默认、间戳不带时区信息（naive datetimes）。
• loguru 可以直接在日志格式字符串中指定时间的格式 logger.add("file.log", format="{time:YYYY-MM-DD at HH:mm:ss} | {level} | {message}")
• loguru 默认支持包含时区信息的日期和时间

通过 configure() 配置 loguru

• 通过脚本配置 loguru

import sys
from loguru import loggerconfig = {"handlers": [{"sink": sys.stdout, "format": "{time} - {message}"},{"sink": "file.log", "serialize": True},],"extra": {"user": "someone"}
}
logger.configure(**config)

• 通过 loguru-config 库加在配置文件
  • https://github.com/erezinman/loguru-config
• 禁用/启用 Python 库中的 loguru
  • Library 应该先调用 configure()，岁后 disable() loguru

# For libraries, should be your library's `__name__`
import mylibmy_lib_name = mylib.__name__logger.disable(my_lib_name)
logger.info("No matter added sinks, this message is not displayed")# In your application, enable the logger in the `library`
logger.enable(my_lib_name)
logger.info("This message however is propagated to the sinks")

通过环境变量修改默认配置

• 完整的环境变量列表：https://github.com/Delgan/loguru/blob/master/loguru/_defaults.py

# Linux / OSX
export LOGURU_FORMAT="{time} | <lvl>{message}</lvl>"# Windows
setx LOGURU_DEBUG_COLOR "<green>"

loguru 自带的 parse

• loguru 提供了内置 parse() 用来解析日志文件，获取信息

# time: 匹配任何字符，直到遇到 " - "
# level: 匹配一个或多个数字
# message: 匹配任何字符直到行末
pattern = r"(?P<time>.*) - (?P<level>[0-9]+) - (?P<message>.*)"
# 定义从字符串到对应数据类型的转换器
caster_dict = dict(time=dateutil.parser.parse, level=int)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)}

loguru 和内置 logging 完全兼容

• 可以直接 add 内置的 handler

import logging
from loguru import loggerhandler = logging.handlers.SysLogHandler(address=('localhost', 514))
logger.add(handler)

• 将 loguru 消息传递到内置 logging

import logging
from loguru import loggerclass PropagateHandler(logging.Handler):def emit(self, record: logging.LogRecord) -> None:logging.getLogger(record.name).handle(record)logger.add(PropagateHandler(), format="{message}")

• 拦截 内置 logging 消息到 loguru

class InterceptHandler(logging.Handler):def emit(self, record: logging.LogRecord) -> None:level: str | int# 尝试获取与标准 logging 等级相对应的 Loguru 日志等级try:level = logger.level(record.levelname).nameexcept ValueError:# 如果找不到对应的 Loguru 等级，则使用原始的数字等级level = record.levelno# 探测调用日志的代码位置frame, depth = inspect.currentframe(), 0while frame and (depth == 0 or frame.f_code.co_filename == logging.__file__):frame = frame.f_backdepth += 1# 使用 Loguru 记录日志信息，保持调用栈的深度和异常信息logger.opt(depth=depth, exception=record.exc_info).log(level, record.getMessage())logging.basicConfig(handlers=[InterceptHandler()], level=0, force=True)

• 用 loguru 拦截 logging 的消息需要的信息包括 level、frame 深度、消息记录。
• level: str | int 是类型提示，字符串或者整数
• 先试图将 level name 转为对应的 level，如果失败则使用 int 型的 level 数值
• 从当前的 frame 通过 f_back 追溯到调用 logging 的具体代码位置
• 用 opt() 函数设置 loguru
• 用 basicConfig 设置全局转发
• level 为 0 会转发所有 level 的消息
• force 确保无论之前日志系统如何配置，都将应用我们的配置，使得 InterceptHandler 生效

与 notifiers 库结合使用

• notifiers 库需要事先单独安装

import notifiersparams = {"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 NotificationHandlerhandler = NotificationHandler("gmail", defaults=params)
logger.add(handler, level="ERROR")