Easylogging++ 中STL容器与字符串混合输出的注意事项
2025-06-17 11:02:14作者:乔或婵
问题现象
在使用Easylogging++日志库时,开发者可能会遇到一个特殊现象:当尝试通过Logger对象的info方法同时输出字符串和STL容器时,容器内容无法正常显示。然而,使用全局LOG宏却能正确输出所有内容。
示例代码分析
让我们看一个典型示例:
#include <string>
#include <vector>
#define ELPP_STL_LOGGING
#include "easylogging++.h"
INITIALIZE_EASYLOGGINGPP
int main() {
auto& mainLogger = *el::Loggers::getLogger("main");
std::vector<std::string> check = {"check1", "check2"};
// 使用全局LOG宏 - 工作正常
LOG(INFO) << "Global log: " << check;
// 使用Logger对象的info方法 - 容器内容不显示
mainLogger.info("Logger log: ", check);
// 再次使用全局LOG宏确认
LOG(INFO) << "Global log 2: " << check;
return 0;
};
输出差异
上述代码会产生如下输出:
2024-08-22 03:10:59,186 INFO [default] Global log: [check1, check2]
2024-08-22 03:10:59,186 INFO [default] Global log 2: [check1, check2]
注意:使用Logger对象的info方法输出的行完全缺失了容器内容。
解决方案
关键在于理解Easylogging++的两种不同日志输出方式的工作机制差异:
-
全局LOG宏:使用流式操作符(<<)拼接多个参数,每个参数都会被自动处理。
-
Logger对象的info方法:采用类似printf的风格,需要在格式字符串中使用占位符
%v来指示变量的插入位置。
修正后的代码应为:
mainLogger.info("Logger log %v", check); // 注意添加了%v占位符
深入理解
这种设计差异源于两种不同的日志输出范式:
-
流式输出:通过重载<<操作符实现,每个<<操作都会将内容追加到输出缓冲区。
-
格式化输出:需要明确指定参数插入位置,提供更精确的控制,但需要开发者显式标记。
最佳实践建议
-
当需要混合输出字符串和STL容器时,优先使用全局LOG宏的流式语法,可读性更好。
-
如果必须使用Logger对象的方法,记得:
- 在格式字符串中添加
%v占位符 - 确保占位符数量与后续参数数量匹配
- 在格式字符串中添加
-
对于复杂数据结构输出,考虑统一使用一种风格,避免混用导致混淆。
总结
Easylogging++提供了灵活的日志输出方式,但不同方式有各自的语法要求。理解流式输出与格式化输出的区别,特别是%v占位符的作用,是正确输出STL容器的关键。通过遵循正确的语法规范,开发者可以充分利用Easylogging++强大的STL容器支持功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868