在 Python 开发中，日志是非常重要的工具，它帮助开发者记录程序的运行状态、调试问题并监控系统的健康情况。Python 内置了 logging 库，但随着需求的变化，很多人开始使用 loguru 作为替代。本文将对比这两个库，帮助大家更好地选择适合自己的日志解决方案。
1. Python内置 logging 的优势和劣势
优势
- 标准库自带：
logging是 Python 标准库的一部分，不需要额外安装，且跨平台。 - 高度自定义：
logging提供了强大的自定义功能，可以灵活控制日志格式、级别、目标（文件、控制台、远程服务器等）。 - 兼容性强：许多第三方库也使用
logging，可以无缝集成各类日志。
劣势
- 配置复杂：
logging的基本使用较简单，但稍微复杂的配置就会变得冗长且不直观，尤其是需要同时输出到多个目标（如文件和控制台）时。 - 不支持链式调用：
logging不能像loguru一样链式调用，需要逐层配置。
基本示例
logging 的简单日志记录示例如下：
import logging
# 配置日志
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s',
filename='app.log',
filemode='a'
)
# 记录日志
logging.info("This is an info message.")
logging.warning("This is a warning message.")
logging.error("This is an error message.")
在这个示例中，日志会记录到 app.log 文件中，但不会在控制台中显示。如果我们希望同时在控制台和文件中显示日志，需要额外配置 StreamHandler。
文件和控制台输出配置
要将日志输出到控制台和文件中，我们需要配置多个 Handler，代码如下：
import logging
# 获取 logger
logger = logging.getLogger()
logger.setLevel(logging.INFO)
# 文件处理器
file_handler = logging.FileHandler('app.log')
file_handler.setFormatter(logging.Formatter('%(asctime)s - %(levelname)s - %(message)s'))
# 控制台处理器
console_handler = logging.StreamHandler()
console_handler.setFormatter(logging.Formatter('%(asctime)s - %(levelname)s - %(message)s'))
# 将处理器添加到 logger
logger.addHandler(file_handler)
logger.addHandler(console_handler)
# 记录日志
logger.info("This is an info message.")
logger.warning("This is a warning message.")
logger.error("This is an error message.")
可以看出，为了实现较简单的功能，我们就需要创建不同的 Handler，并逐一配置。
2. loguru 简化日志记录
loguru 是一个流行的第三方日志库，通过简化配置流程、支持链式调用和更丰富的功能，成为 logging 的强大替代品。
loguru 的优势
- 简洁配置：
loguru无需创建复杂的配置，只需几行代码即可完成复杂日志配置。 - 链式调用：支持链式调用，记录日志更加直观。
- 多目标输出：轻松实现控制台和文件的日志输出，且支持丰富的格式配置。
- 额外功能：支持日志自动压缩、日志文件轮换、日志保留天数等功能。
loguru 基本示例
from loguru import logger
# 配置日志
logger.add("app.log", rotation="500 MB") # 文件超过500 MB时会自动轮换
# 记录日志
logger.info("This is an info message.")
logger.warning("This is a warning message.")
logger.error("This is an error message.")
在这个例子中，我们无需额外配置多个处理器，只需调用 logger.add() 即可轻松完成文件日志配置。
文件和控制台同时输出
loguru 可以非常方便地实现文件和控制台的同时输出：
from loguru import logger
import sys
# 添加日志输出到文件和控制台
logger.add("app.log", rotation="500 MB", retention="10 days") # 文件轮换及保留10天
logger.add(sys.stdout, level="INFO") # 输出到控制台
# 记录日志
logger.info("This is an info message.")
logger.warning("This is a warning message.")
logger.error("This is an error message.")
这里 logger.add(sys.stdout, level="INFO") 就可以让日志显示在控制台上，而不需要额外的配置。
3. logging vs loguru 的详细对比
| 特性 | logging | loguru |
|---|---|---|
| 配置复杂度 | 较高，需要设置 Handler | 较低，仅需 logger.add() |
| 文件轮换和保留 | 需要第三方模块支持 | 内置支持 rotation 和 retention |
| 控制台和文件同时输出 | 需要设置多个 Handler | 使用 sys.stdout 轻松实现 |
| 链式调用 | 不支持 | 支持 |
| 易用性 | 适合复杂配置和集成 | 适合快速开发和清晰日志管理 |
4. 应用场景推荐
- 简单应用和快速开发：
loguru是更优选择，简洁、直观，适合快速原型开发和小型项目。 - 复杂应用和多模块项目：
logging提供的高度可定制功能更适合需要多层级配置的复杂系统，特别是那些依赖第三方库并希望统一日志管理的项目。
5. 总结
loguru 和 logging 各有其优缺点。对于大多数 Python 项目，loguru 的简洁语法和强大功能让它成为了快速开发的首选。而对于更大的项目，标准库 logging 的兼容性和灵活性则更适合。希望这篇文章能帮助你在项目中选择合适的日志工具。
Happy Coding and Logging! 🚀
