Loguru日志库中动态修改日志颜色的技术实践
2025-05-10 23:05:00作者:姚月梅Lane
在Python日志处理领域,Loguru以其简洁易用的API和强大的功能受到开发者青睐。本文将深入探讨Loguru中动态修改日志级别颜色的技术实现,帮助开发者更好地控制日志输出样式。
环境变量与颜色设置
Loguru允许通过环境变量来预设日志级别颜色,这是最基础的配置方式。开发者可以在程序启动前设置环境变量来影响颜色显示:
import os
os.environ["LOGURU_DEBUG_COLOR"] = "<dim>"
from loguru import logger
这种方法虽然简单,但存在明显局限性:必须在首次导入Loguru前设置环境变量才能生效,且无法在运行时动态调整。
动态颜色修改方案
Loguru提供了更灵活的logger.level()方法来动态修改日志级别属性,包括颜色设置。这种方法不受导入顺序限制,可以在程序运行的任何阶段调用:
logger.level("DEBUG", color="<dim>")
此API调用会立即生效,所有后续的DEBUG级别日志都将使用新设置的颜色输出。这种方法相比环境变量更加灵活可控。
技术实现原理
深入Loguru内部实现,颜色控制是通过日志级别对象(Level)的color属性实现的。每个日志级别都对应一个Level对象,存储了该级别的名称、数值、颜色等信息。
当调用logger.level()方法时,Loguru会:
- 查找或创建对应的Level对象
- 更新该对象的color属性
- 重建内部颜色映射表
- 使新设置立即生效
最佳实践建议
- 集中管理配置:建议在程序初始化阶段统一设置日志颜色,保持一致性
- 考虑可读性:颜色设置应确保日志在不同终端背景下都清晰可读
- 适度使用:过多颜色变化反而会降低日志的可读性
- 环境覆盖:可通过环境变量提供默认值,再用代码覆盖实现灵活配置
# 推荐做法:环境变量提供默认值,代码可覆盖
debug_color = os.getenv("LOGURU_DEBUG_COLOR", "<dim>")
logger.level("DEBUG", color=debug_color)
Loguru的颜色控制系统既简单又强大,掌握这些技巧可以让开发者更好地定制日志输出,满足不同场景下的可视化需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
304
2.66 K
Ascend Extension for PyTorch
Python
131
159
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
1.03 K
458
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++
630
221
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.48 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
206