阿里云网络服务seo快速优化报价
一、基本使用
①标准使用
from loguru import logger# 在标准输出里面输出一行debug日志
logger.debug("That's dubug")
②设置输出格式
from loguru import loggerlogger.remove(0) # 先删除格式
logger.add(sink='./logger.log', format="{time: %Y-%m-%d %H:%M:%S} | {level} | {message}") # sink是log存放路径 {time}：时间戳 {level}：日志级 {message}：日志消息logger.debug("That's dubug")
③日志输出文档完整配置
logger.add(sink="./logs/log.log", # sink：为记录器生成的每条记录指定目的地。默认情况下，它设置为 sys.stderrlevel="INFO", # 日志级别filter="my_module", # 过滤条件format="{time: %Y-%m-%d %H:%M:%S} | {level} | {message}", # 自定义输出格式enqueue=True, # enqueue：启用此选项会将日志记录放入队列中，以避免多个进程记录到同一目的地时发生冲突rotation="4 weeks", # 每4周生成一个日志文件retention="4 months", # 日志文件保留四个月encoding="utf-8",backtrace=True, # acktrace：确定异常跟踪是否应该延伸到捕获错误的点之外，以便于调试diagnose=True, # diagnose：确定变量值是否应显示在异常跟踪中。您应该在生产环境中将其设置为 False 以避免泄露敏感信息compression="zip", # 设置压缩格式serialize=True, # serialize：如果设置为 True，则日志记录以 JSON 格式呈现
)
④日志分级别输出到不同的文件
logger.add("debug.log", level="DEBUG", filter=lambda record: record["level"].name == "DEBUG")
logger.add("info.log", level="INFO", filter=lambda record: record["level"].name == "INFO")
logger.add("warning.log", level="WARNING", filter=lambda record: record["level"].name == "WARNING")
logger.add("error.log", level="ERROR", filter=lambda record: record["level"].name == "ERROR")
logger.add("critical.log", level="CRITICAL", filter=lambda record: record["level"].name == "CRITICAL")
⑤多线程与多进程
from atexit import register
from loguru import logger
from threading import Thread
from multiprocessing import Processdef thread_1():for i in range(10):logger.info('线程1')
def thread_2():for i in range(10):logger.debug('线程2')def process_1():logger.add(sink='./file/log/logger_多进程.txt')for i in range(10):logger.info('进程1')def process_2():logger.add(sink='./file/log/logger_多进程.txt')for i in range(10):logger.debug('进程2')"""
这个函数（装饰器的方式）会在python解释器中注册一个退出函数，也就是说，他会在脚本退出之前请求调用这个特殊函数
"""
@register
def over():logger.info('退出程序')if __name__ == '__main__':# 多线程---主线程有一个add函数即可logger.add(sink='./file/log/logger_多线程.txt')t1 = Thread(target=thread_1)t2 = Thread(target=thread_2)t1.start()t2.start()t1.join()t2.join()# # 多进程---需要在各自的进程中有add函数# logger.add(sink='./file/log/logger_多进程.txt', enqueue=True)# p1 = Process(target=process_1)# p2 = Process(target=process_2)## p1.start()# p2.start()# p1.join()# p2.join()# 进程池---也是一样的效果# import multiprocessing# pool = multiprocessing.Pool(processes=2)# pool.apply_async(process_1)# pool.apply_async(process_2)# pool.close()# pool.join()
参考：
https://www.cnblogs.com/CheeseZH/p/11992155.html
https://blog.csdn.net/bailang_zhizun/article/details/107863671
https://blog.csdn.net/lly1122334/article/details/107516039