Easylogging++ 中 Logger 日志函数与 STL 容器的正确使用方式
2025-06-17 09:04:23作者:郁楠烈Hubert
在使用 Easylogging++ 日志库时,开发者可能会遇到一个常见问题:当通过 Logger 对象的 info() 等日志函数直接输出 STL 容器时,如果同时包含字符串和容器变量,容器内容可能无法正确显示。本文将深入分析这一现象的原因,并提供正确的解决方案。
问题现象
当开发者尝试以下代码时:
auto& mainLogger = *el::Loggers::getLogger("main");
std::vector<std::string> check = {"check1", "check2"};
mainLogger.info("Logger log: ", check); // 容器内容不会显示
会发现输出中缺少了 vector 容器的内容。然而,如果使用全局 LOG 宏或者单独输出容器,却能正常工作:
LOG(INFO) << "Global log: " << check; // 正常工作
mainLogger.info(check); // 也正常工作
根本原因
这个问题的核心在于 Easylogging++ 的两种不同日志记录方式有着不同的参数处理机制:
-
流式日志 (LOG 宏):使用 C++ 流操作符(<<)拼接多个参数,自动处理所有类型的输出
-
函数式日志 (Logger 成员函数):采用类似 printf 的参数替换机制,需要显式指定参数占位符
正确解决方案
要使 Logger 成员函数正确显示 STL 容器内容,必须使用 %v 占位符来标记变量的插入位置:
mainLogger.info("Logger log %v", check); // 正确方式
这里的 %v 是一个通用占位符,可以处理各种类型的变量,包括 STL 容器、自定义类型等。
深入理解
Easylogging++ 为函数式日志记录提供了丰富的格式化选项:
- 基本类型:可以直接使用
%d,%s等传统占位符 - STL 容器:需要启用
ELPP_STL_LOGGING宏,并使用%v占位符 - 自定义类型:可以通过重载
operator<<并使用%v输出
最佳实践建议
- 保持一致性:在项目中统一使用流式日志或函数式日志
- 复杂输出优先使用流式日志,可读性更好
- 性能敏感场景可以考虑函数式日志
- 使用
%v作为通用占位符,减少类型相关的错误
总结
Easylogging++ 提供了灵活的日志记录方式,但需要开发者理解不同方式的工作原理。通过正确使用 %v 占位符,可以确保 STL 容器在各种日志记录场景下都能正确输出。这一知识点对于有效使用该日志库至关重要。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
410
3.16 K
Ascend Extension for PyTorch
Python
227
254
暂无简介
Dart
674
160
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++
664
322
🎉 (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
659
React Native鸿蒙化仓库
JavaScript
264
326
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