如果用 python 写一些简单或者临时用的小工具，代码只是几个函数，一个 py文件 的话，
那么，你不用考虑日志库，想显示什么信息，直接用 print 就可以了。
不过，对于稍微具规模的程序（特别是多线程的服务端程序），特别是 GUI 的程序，
如果没有日志的话，不仅开发的过程中难以调试，实际部署之后也无法在客户使用出现问题时及时对应。
Python 标准库中虽然有 logging 模块，但是功能相对简陋。
本篇介绍几个 python 中比较知名日志库，需要给自己的代码添加日志时，可以参考。
1. 日志的主要功能
日志不是软件功能的必需品，但是对于软件开发和维护具有至关重要的作用，其主要的作用在于：
- 问题追踪和调试：当程序出现错误或异常行为时，日志可以提供关于何时以及在哪里发生问题的详细信息，对于识别、隔离和修复错误很有帮助。
- 审计和合规性：提供详细的操作记录，用于证明系统是否符合规定。
- 系统监控和预警：通过分析日志，了解系统的运行状态，如服务的使用情况、性能瓶颈等；当检测到异常模式或潜在问题时，日志可以用于触发警报。
- 业务分析：记录了系统的所有活动，可以用于分析用户行为、业务趋势等。
- 安全性：在安全事件发生后，日志可以提供关于攻击者如何进入系统、他们做了什么等信息，对于进行事后分析和改进系统安全性非常重要。
- 故障恢复：如果系统出现故障，日志可以帮助理解故障发生前的系统状态，从而有助于数据恢复。
良好的日志实践可以提高软件的可靠性、可维护性和安全性。
不过，需要注意的是，过度日志记录可能会对系统性能产生影响，因此还需要合理平衡日志的详细程度和系统性能。
2. loguru：让日志变得简单
loguru 是一个旨在通过简单而直观的 API，使日志记录变得简单和愉快。
安装方式：
$ pip install loguru
loguru 开箱即用，和使用标准库一样方便
loguru 的一些主要特点包括：
- 简单易用：只需导入
loguru并调用相应的函数即可，无需复杂的配置。 - 自动格式化：自动为日志消息添加时间戳、日志级别等信息，减少编写日志记录代码的工作量，并使日志更加易于阅读和分析。
- 强大的日志级别控制：根据需要输出不同级别的日志，更好地控制日志的详细程度，可轻松调整日志级别。
- 输出目标灵活性：日志消息可输出到多个目标，如控制台、文件、网络等。
- 异常追踪：自动捕获和记录异常信息，并将其与日志消息一起输出，帮助用户快速定位和解决问题。
- 彩色输出支持：在控制台输出中添加颜色，使日志更易于阅读和区分。
- 上下文管理：可自定义上下文信息添加到日志消息中，有助于更好地理解和分析日志，特别是在处理复杂系统和多线程环境时。
3. structlog：结构化日志
structlog 的设计目标是为结构化日志输出提供简洁而强大的接口。
结构化日志输出 与传统的文本日志相比，可以提供更丰富、更易于解析和处理的信息。
安装方式：
$ pip install structlog
structlog 的一些主要特点包括：
- 结构化日志记录：可使用
Python字典来记录日志，方便添加各种类型的数据（如字符串、数字、异常对象等）到日志中，并使这些数据在后续处理时仍然保持其原始结构和类型。 - 灵活的配置：根据需要选择不同的日志输出格式、处理器和渲染器。例如，用户可以将日志输出到控制台、文件、网络等不同的目标，也可以使用JSON、CSV等常用格式来输出日志。
- 与标准库兼容：与
Python的标准库logging兼容，用户可以轻松地将现有的logging代码迁移到structlog，或者同时使用这两个库。 - 性能优化：在性能上进行了优化，尽量减少日志记录对程序性能的影响。
- 扩展性强：具有良好的扩展性，方便地添加自定义的处理器和渲染器，以实现特定的日志处理需求。
- 易于使用：
API设计得简洁明了，使得用户可以快速上手并有效地使用它。
4. logbook：一个很酷的日志库
logbook 的设计初衷是用来取代 Python 的标准库日志模块 logging。
安装方式：
$ pip install Logbook
与标准库中的日志库相比， logbook 有以下一些优点：
- 更简洁的API：相较于
logging模块的复杂API，logbook提供了更简洁、易用的API。 - 更好的默认设置：
logbook的默认设置比logging更合理。 - 上下文感知记录：
logbook可以方便地记录上下文信息，如请求ID、用户ID等。而标准库logging模块则需要额外配置才能实现类似功能。 - 灵活的日志处理器：
logbook支持多种日志处理器，可以轻松地将日志发送到文件、控制台、邮件、数据库等。 - 性能优化：
logbook在性能上经过优化，相较于logging模块，其对应用程序的性能影响较小。 - 集成异常追踪：
logbook会自动集成异常的堆栈追踪信息，无需手动添加。而logging模块则需要通过配置来实现此功能。 - 线程和进程安全：
logbook是线程和进程安全的，可以在多线程或多进程环境中安全地使用，而logging模块在多线程环境下可能需要额外的同步措施。 - 易于扩展和定制：
logbook的设计使得它易于扩展和定制。
5. python-json-logger：json格式日志
顾名思义， python-json-logger 是一个用于记录 JSON 格式日志的库。
使用 JSON 格式，是为了让日志更容易被各种编程语言读取。
安装方式：
$ pip install python-json-logger
python-json-logger 的主要特点包括：
- JSON格式日志记录：将日志记录为JSON格式，易于解析和存储。同时，也方便与其他系统和服务进行集成。
- 可配置的日志格式：根据需要配置日志格式，包含各种字段和信息，如时间戳、日志级别、线程名称等。
- 多个日志处理器支持：可以将日志输出到不同的目标，如文件、控制台、远程服务器等。
- 异步日志记录：支持异步日志记录，意味着可以在后台线程中处理日志记录任务，避免阻塞主线程的执行。
- 上下文信息添加：可以在日志记录时添加额外的上下文信息，如用户ID、请求ID等。
- 灵活的过滤和级别控制：灵活的过滤和级别控制机制。根据需要设置不同的日志级别，并定义过滤器来筛选需要记录的日志消息。
- 与标准库兼容：与
Python标准库的logging模块兼容。
6. 结论
以上 4个 日志库是目前 github 上最受欢迎的 python 日志库，其中 loguru 的 star数 远远高于其他3个。
不过，选择哪个库，它的 star数 并不是唯一的标准，是否符合我们的应用场景更加重要。
对于 loguru 来说，它适用于需要简单、轻量级和易于使用的日志功能的场景。
若你的项目是小型到中型的规模，日志需求比较简单，且开发者也不想花费过多时间在日志配置上，
那么， loguru 是一个很好的选择，它提供了合理的默认配置。
对于 structlog 来说，它适用于需要高度结构化日志的场景。
如果你的项目是大型、分布式系统或微服务的架构，其中日志需要在多个组件和服务之间进行传递和处理，
那么， structlog 是一个很好的选择。
对于 logbook 来说，它适用于需要高度灵活和可配置日志功能的场景。
如果你的项目是中型到大型的规模，其中需要对日志进行更精细的控制和管理，
或者对于需要替换标准库 logging 并寻求更多功能和改进性能的项目来说，
logbook 是一个很好的选择。
对于 python-json-logger 来说，它适用于需要以 JSON 格式记录日志的场景。
如果你的项目需要将日志与其他系统或服务进行集成（特别是那些使用 JSON 作为数据交换格式），
或者说随时需要对日志进行分析、监控或审计时， python-json-logger 是一个很好的选择。