不想手动再配置logging？那可以试试loguru( 二 ) 在部署一些定时运行或者长期

最后呈现如下：
文章插图
02-rotation
随着分割文件的数量越来越多之后，我们也可以进行压缩对日志进行留存，这里就要使用到compression 参数，该参数只要你传入通用的压缩文件扩展名即可，如 zip、tar、gz等。
import osfrom loguru import loggerLOG_DIR = os.path.expanduser("~/Desktop/logs")LOG_FILE = os.path.join(LOG_DIR, "file_{time}.log")if os.path.exits(LOG_DIR):os.mkdir(LOG_DIR)logger.add(LOG_FILE, rotation = "200KB", compression="zip")for n in range(10000):logger.info(f"test - {n}")从结果可以看到，只要是满足了 rotation 分割后的日志文件都被直接压缩成了 zip 文件，文件大小由原本的 200kb 直接减少至 10kb ，对于一些磁盘空间吃紧的 Linux 服务器来说是则是很有必要的。
文章插图
03-compression
当然了，如果你不想对日志进行留存，或者只想保留一段时间内的日志并对超期的日志进行删除，那么直接使用 retention 参数就好了。
这里我们可以将之前的结果随意复制 N 多份在 logs 文件夹中，然后再执行一次加上 retension 参数后代码：
from loguru import loggerLOG_DIR = os.path.expanduser("~/Desktop/logs")LOG_FILE = os.path.join(LOG_DIR, "file_{time}.log")if not os.path.exists(LOG_DIR):os.mkdir(LOG_DIR)logger.add(LOG_FILE, rotation="200KB",retention=1)for n in range(10000):logger.info(f"test - {n}")当然对 retention 传入整数时，该参数表示的是所有文件的索引，而非要保留的文件数，这里是个反直觉的小坑，用的时候注意一下就好了。所以最后我们会看到只有两个时间最近的日志文件会被保留下来，其他都被直接清理掉了。
文章插图
04-retention
3、序列化如果在实际中你不太喜欢以文件的形式保留日志，那么你也可以通过 serialize 参数将其转化成序列化的 json 格式，最后将导入类似于 MongoDB、ElasticSearch 这类数 NoSQL 数据库中用作后续的日志分析。
from loguru import loggerimport oslogger.add(os.path.expanduser("~/Desktop/testlog.log"), serialize=True)logger.info("hello, world!")最后保存的日志都是序列化后的单条记录：
{"text": "2020-10-07 18:23:36.902 | INFO| __main__::6 - hello, world\n","record": {"elapsed": {"repr": "0:00:00.005412","seconds": 0.005412},"exception": null,"extra": {},"file": {"name": "log_test.py","path": "/Users/Bobot/PycharmProjects/docs-python/src/loguru/log_test.py"},"function": "","level": {"icon": "\u2139\ufe0f","name": "INFO","no": 20},"line": 6,"message": "hello, world","module": "log_test","name": "__main__","process": {"id": 12662,"name": "MainProcess"},"thread": {"id": 4578131392,"name": "MainThread"},"time": {"repr": "2020-10-07 18:23:36.902358+08:00","timestamp": 1602066216.902358}}}4、异常追溯当异常和错误不可避免时，最好的方式就是让我们知道程序到底是哪里出了错，或者是因为什么导致错误，这样才能更好地让开发人员及时应对并解决。
loguru 集成了一个名为 better_exceptions 的库，不仅能够将异常和错误记录，并且还能对异常进行追溯，这里是来自一个官网的例子
import osimport sysfrom loguru import loggerlogger.add(os.path.expanduser("~/Desktop/exception_log.log"), backtrace=True, diagnose=True)def func(a, b):return a / bdef nested(c):try:func(5, c)except ZeroDivisionError:logger.exception("What?!")if __name__ == "__main__":nested(0)最后在日志文件中我们可以得到以下内容：
2020-10-07 21:14:11.830 | ERROR| __main__:nested:16 - What?!Traceback (most recent call last):File "/Users/Bobot/PycharmProjects/docs-python/src/loguru/log_test.py", line 20, in nested(0)└ > File "/Users/Bobot/PycharmProjects/docs-python/src/loguru/log_test.py", line 14, in nestedfunc(5, c)│└ 0└ File "/Users/Bobot/PycharmProjects/docs-python/src/loguru/log_test.py", line 10, in funcreturn a / b│└ 0└ 5ZeroDivisionError: division by zero与 Logging 完全兼容（Entirely Compatible）尽管说 loguru 算是重新「造轮子」，但是它也能和 logging 库很好地兼容。到现在我们才谈论到 add() 方法的第一个参数 sink 。
这个参数的英文单词动词有「下沉、浸没」等意，对于外国人来说在理解上可能没什么难的，可对我们国人来说，这可之前 logging 库中的 handler 概念还不好理解。好在前面我有说过， loguru 和 logging 库的使用上存在相似之处，因此在后续的使用中其实我们就可以将其理解为 handler ，只不过它的范围更广一些，可以除了 handler 之外的字符串、可调用方法、协程对象等。