python-json-logger 使用指南
2026-01-17 09:41:46作者:秋阔奎Evelyn
1. 项目目录结构及介绍
python-json-logger 是一个简单的Python库,用于将日志记录格式化为JSON,以便于在各种日志处理基础设施(如ELK、EFK、AWS CloudWatch、GCP Stackdriver等)中轻松检索和搜索。以下是项目的基础目录结构:
python-json-logger/
│
├── src/ # 主要代码源目录
│ └── pythonjsonlogger/
│ └── jsonlogger.py # JSON日志格式化器的主要实现
│
├── tests/ # 测试用例目录
│ ├── __init__.py
│ └── tests.py # 单元测试
│
├── README.md # 项目说明文件
└── setup.py # 安装脚本
src/pythonjsonlogger/jsonlogger.py: 包含JsonFormatter类,这是主要的日志格式化器。tests/*: 测试代码,验证JsonFormatter的功能。README.md: 提供项目概述,安装和使用信息。setup.py: Python包的安装脚本,用于安装依赖并构建软件包。
2. 项目启动文件介绍
该项目不是一个独立运行的应用程序,而是一个库。因此没有传统的“启动文件”。要使用这个库,你需要在自己的Python应用中导入pythonjsonlogger.jsonlogger.JsonFormatter,然后配置你的日志处理器。
例如,你可以这样设置日志记录器:
import logging
from pythonjsonlogger import jsonlogger
logger = logging.getLogger(__name__)
log_handler = logging.StreamHandler()
formatter = jsonlogger.JsonFormatter()
log_handler.setFormatter(formatter)
logger.addHandler(log_handler)
# 然后可以使用logger记录日志
logger.info("This is a structured log entry")
3. 项目配置文件介绍
python-json-logger 不包含内置的配置文件支持,因为它是作为一个模块直接集成到你的应用程序中的。不过,你可以根据你的应用需求创建自定义的配置文件来控制日志级别、过滤器和其他高级特性。
例如,如果你正在使用configparser模块管理配置,你可以在config.ini文件中指定日志记录器的配置:
[loggers]
keys=root
[handlers]
keys=stream
[formatters]
keys=json
[handler_stream]
class=StreamHandler
args=(sys.stdout,)
level=DEBUG
formatter=json
[formatter_json]
class=pythonjsonlogger.jsonlogger.JsonFormatter
format=%(asctime)s %(levelname)s %(message)s
接着,你的主程序可以读取这些配置并创建相应的日志设置:
import configparser
import logging.config
from pythonjsonlogger import jsonlogger
config = configparser.ConfigParser()
config.read('config.ini')
logging.config.dictConfig(config)
logger = logging.getLogger(__name__)
# 日志现在已经按配置进行初始化
logger.debug("Using config file settings")
请注意,自定义配置需要你自己实现,上述示例仅作为参考。实际的配置项可能根据你的应用程序需求有所不同。
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 StartedRust0168
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
项目优选
收起
暂无描述
Dockerfile
744
4.83 K
Ascend Extension for PyTorch
Python
680
820
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
447
407
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++
1.01 K
1.03 K
昇腾LLM分布式训练框架
Python
171
209
Claude 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 Started
Rust
1.45 K
168
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
246
Oohos_react_native
React Native鸿蒙化仓库
C++
351
411
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
616
暂无简介
Dart
995
255