Python日志管理之Loguru

1.导入即用 from loguru import logger，有且只有1个日志器对象，简化配置复杂性
2.日志器配置方式只有1种 logger.add(...)，直接配置日志输出位置、格式、过滤条件、级别、滚存行为
3.为不同的日志输出位置，多次执行 logger.add(...)，支持标准输出/错误、本地文件、网络位置
from loguru import logger
# 导入即用，有且只有1个日志器对象，简化配置复杂性
logger.debug("That's it, beautiful and simple logging!")
# 只有1种配置方式，直接配置日志输出位置(sink)、格式(format)、过滤条件(filter)、级别(level)、滚存行为(rotation)
logger.add(sys.stderr, format="{time} {level} {message}", filter="my_module", level="INFO")
# 可选按文件大小、时间
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
# 对滚存后的旧日志文件，可选进一步配置保留/清理方式、压缩方式
logger.add("file_X.log", retention="10 days")  # Cleanup after some time
logger.add("file_Y.log", compression="zip")    # Save some loved space

TRACE：新增级别，用于开发和调试阶段跟踪执行流程和更详细的变量信息，相当有用
DEBUG
INFO
SUCCESS：新增，这个成功的语义更加明确，按需选择
WARNING
ERROR
CRITICAL
另外，还支持自定义级别
new_level = logger.level("SNAKY", no=38, color="<yellow>", icon="")
logger.log("SNAKY", "Here we go!")

1.自定义字段，就像日志器默认的时间、模块、函数、级别等字段，我们也可以自定义像来访IP、用户ID等字段，这些字段都统一保存在record['extra']的字典里
2.自定义字段，还可以结合过滤条件使用，其中1种应用就是实现以前logging不同日志器输出到不同文件的效果
# 静态绑定自定义字段
## 在配置格式时，加入自定义字段的占位字符串
logger.add("file.log", format="{extra[ip]} {extra[user]} {message}")
## 给日志器绑定自定义字段
context_logger = logger.bind(ip="192.168.0.1", user="someone")
## 使用绑定自定义字段的日志器
context_logger.info("Contextualize your logger easily")
## 修改绑定的自定义字段-方式1
context_logger.bind(user="someone_else").info("Inline binding of extra attribute")
## 修改绑定的自定义字段-方式2
context_logger.info("Use kwargs to add context during formatting: {user}", user="anybody")
## 如果上面写法太麻烦，可以采用with关键字+contextualize方法简写绑定方式：
with logger.contextualize(task=task_id):
    do_something()
    logger.info("End of task")
================================================
# 动态绑定自定义字段
## patch方法支持动态绑定自定义字段取值，比如当前时间
logger.add(sys.stderr, format="{extra[utc]} {message}")
logger = logger.patch(lambda record: record["extra"].update(utc=datetime.utcnow()))
================================================
# 自定义字段 -> 过滤条件
## 过滤含special自定义字段的日志到special.log中
logger.add("special.log", filter=lambda record: "special" in record["extra"])
## 这条日志没有绑定special字段，不会写入special.log
logger.debug("This message is not logged to the file")
## 这条日志绑定了special字段，会写入special.log
logger.bind(special=True).info("This message, though, is logged to the file!")

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

废话，logging本身就是线程安全的，loguru当然也是
废话，线程都安全了，协程能不安全吗
多进程安全，是我喜欢它的另外一个理由
线程池、进程池中使用时，注意如果使用了logger.add(...)，为避免重复配置而导致的重复日志，请在前面加上logger.remove()清除配置，否则线程、进程是复用的，提交1次任务就重复配置1次，提交1次就重复配置1次，...
from loguru import logger
@logger.catch
def train_ps():
    logger.remove()
    logger.add('logs/train.log', rotation='2 weeks')
    ...

1.日志输出到终端时，可配置颜色
logger.add(sys.stdout, colorize=True, format="<green>{time}</green> <level>{message}</level>")
2.日志异常时，支持记录详细到变量值的异常栈，注意可能会在日志中泄露敏感数据
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)
---
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
3.支持序列化成JSON格式，再输出到日志位置
logger.add(custom_sink_function, serialize=True)