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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0215
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
471
465
暂无描述
Dockerfile
780
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
878
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
698
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677