Loguru与Rich集成中自定义日志级别"success"的实现
2025-05-10 06:29:12作者:董灵辛Dennis
在Python日志处理中,Loguru是一个广受欢迎的日志库,而Rich则提供了美观的终端输出格式。当开发者尝试将两者结合使用时,可能会遇到Loguru特有的"success"日志级别不被Rich支持的问题。本文将深入探讨这一问题的解决方案。
问题背景
Loguru提供了标准Python logging模块之外的额外日志级别,其中"success"级别(对应数值25)是一个典型例子。然而,Rich的日志处理器基于Python标准库的logging模块,该模块默认不包含"success"这一级别。
解决方案
要解决这一兼容性问题,我们需要手动向Python的logging模块注册"success"级别:
import logging
from loguru import logger
from rich.logging import RichHandler
# 关键步骤:注册自定义日志级别
logging.addLevelName(25, "SUCCESS")
logger.configure(
handlers=[
{
"sink": RichHandler(),
"format": "{name}:{function}:{line} - {message}",
}
]
)
logger.success("这是一条成功消息")
实现原理
logging.addLevelName()函数允许我们向logging模块添加自定义级别- 第一个参数25是Loguru中"success"级别对应的数值
- 第二个参数"SUCCESS"指定了该级别的名称(注意需要大写)
进阶配置
如果需要进一步自定义"success"级别的显示样式(如颜色),可以参考Rich库的相关文档进行样式配置。通常可以通过继承RichHandler类或修改其样式表来实现更精细的控制。
总结
通过这种简单的注册方式,我们成功地在Loguru和Rich的集成中保留了"success"这一有用的日志级别。这种技术不仅适用于"success"级别,也可以推广到其他自定义日志级别的处理场景中,为开发者提供了更大的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
504
609
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
391
288
暂无简介
Dart
906
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
939
863
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108