Loguru项目中如何捕获Python标准警告日志
2025-05-10 14:41:04作者:裘晴惠Vivianne
在Python开发过程中,我们经常使用标准库中的warnings模块来发出警告信息。这些警告对于调试和问题排查非常有价值,但默认情况下它们只会输出到控制台而不会被记录到日志文件中。本文将介绍如何在使用Loguru日志库时,同时捕获这些标准警告信息。
问题背景
Python开发者通常面临一个选择:是使用标准的warnings.warn()方法发出警告,还是使用日志系统记录警告信息。理想情况下,我们希望两者能够协同工作,既能在控制台看到警告,又能将这些警告信息持久化到日志文件中。
解决方案
Loguru提供了灵活的机制来捕获标准警告。核心思路是通过重写warnings模块的showwarning函数,在保持原有警告行为的同时,将警告信息转发给Loguru的日志系统。
具体实现代码如下:
import warnings
from loguru import logger
# 保存原始的showwarning函数
original_showwarning = warnings.showwarning
def custom_showwarning(message, *args, **kwargs):
# 使用Loguru记录警告
logger.warning(message)
# 调用原始函数保持标准警告行为
original_showwarning(message, *args, **kwargs)
# 替换默认的showwarning实现
warnings.showwarning = custom_showwarning
实现原理
Python的warnings模块在发出警告时,最终会调用showwarning函数来处理警告信息的显示。通过替换这个函数,我们可以在警告信息被显示前拦截它,并将其发送到Loguru的日志系统中。
这种方法的优势在于:
- 完全兼容现有的warnings.warn()调用
- 不影响警告的原始行为(仍然会在控制台显示)
- 无需修改现有代码即可实现警告日志的记录
进阶用法
对于更复杂的需求,我们可以进一步定制警告处理逻辑:
def enhanced_showwarning(message, category, filename, lineno, file=None, line=None):
# 格式化更详细的警告信息
log_message = f"{filename}:{lineno} - {category.__name__}: {message}"
logger.warning(log_message)
# 保持原始警告行为
original_showwarning(message, category, filename, lineno, file, line)
warnings.showwarning = enhanced_showwarning
这个增强版本可以记录警告发生的文件名、行号和警告类别,为后续的问题排查提供更多上下文信息。
注意事项
- 建议在程序初始化时就设置好警告捕获,避免遗漏早期发出的警告
- 注意线程安全性,特别是在多线程环境中
- 考虑性能影响,虽然Loguru性能很好,但在高频警告场景仍需注意
通过这种集成方式,开发者可以充分利用Python标准警告机制和Loguru强大的日志功能,实现更完善的应用程序监控和问题诊断能力。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781