


Pengelogan Python Mudah - dan penyimpangan pada kebergantungan, kepercayaan dan Salin/menampal kod
Imej Pengepala (C) Tai Kedzierski
Goto Snippet
Siaran ini adalah pendapat.
Persediaan log lalai Python tidak membantu; ia berfungsi menentang pendekatan "termasuk bateri" yang kami jangkakan.
Daripada mesej log yang berguna, saya ingin tahu bila, tahap dan maklumat apa. Saya mungkin mahukannya pada konsol, saya mungkin mahukannya dalam fail.
Ini sepatutnya mudah - tetapi dalam Python saya akhirnya perlu mencari cara untuk mencipta utiliti pengelogan penuh dengan pengendalian fail tersuai dan pemformatan rentetan.
Ia seharusnya semudah logger = getLogger(), tetapi gelagat lalai atas sebab yang tidak diketahui adalah untuk menyediakan pemformatan yang tidak berguna sama sekali dan tiada trengkas untuk lalai yang wajar.
Itu atau saya perlu memuat turun beberapa pakej pip asal-usul yang tidak diketahui, percaya bahawa ia tidak dirampas nama atau melakukan beberapa pengelupasan yang keliru. Insiden pad kiri dari 2016 terlintas di fikiran, serta serangan rampasan Revival dari 2024 yang pada asasnya adalah masalah yang sama dalam sistem repo yang berbeza.
Malah, mana-mana repo pengguna tanpa jarak nama terdedah kepada perkara ini: npm Node, pip Python, Arch's AUR, Canonical's snap ... untuk menamakan segelintir yang membenarkan pengguna memuat naik apa sahaja. Malah jarak nama bukanlah jaminan kepercayaan - saya telah menjumpai projek yang mengedarkan perisian mereka melalui saluran ini bukan melalui nama projek, tetapi melalui beberapa nama pengembang sewenang-wenangnya, menimbulkan keraguan tentang keaslian pakej tersebut. Saya memberikan proses pemikiran saya tentang cara memutuskan sama ada untuk mempercayai sumber dalam siaran sebelumnya tentang menggunakan penyegerakan dalam persekitaran kerja.
Kebergantungan luaran dalam repo dikawal pengguna adalah syaitan, dan hanya perlu dipertimbangkan apabila penyelesaian kepada masalah adalah rumit. Dan secara amnya, penyelesaian mudah hanya perlu wujud secara langsung dalam pangkalan kod - idealnya ditulis sendiri, tetapi kadangkala masalahnya hanya meresap ke dalam ruang yang "cukup menyusahkan" untuk menjadikan pergantungan itu berasa munasabah dan menjijikkan.
Jawapannya: tulis sekali, simpan dalam intipati Github atau dalam repo "coretan berguna" anda sendiri. Salin dan tampal.
Salin Tampal? Ew!
"Salin dan tampal" kod mungkin menghantar loceng penggera berdering untuk mana-mana pengekod berpengalaman. "Jangan ulangi diri sendiri," "gunakan pengurus pakej," "tulis sekali, kemas kini di mana-mana." Ini adalah naluri yang baik untuk dimiliki, tetapi kes demi kes, ia juga baik untuk mengetahui bila salin-tampal adalah lebih baik.
Dalam kes ini, keperluannya ialah mengelakkan kebergantungan luaran yang tidak perlu untuk penyelesaian ringkas kepada keperluan mudah . Dalam pad kiri seperti mini-logger ini, coretan kod yang diperlukan ialah pendek dan mudah difahami ; tidak rugi untuk melaksanakan semula jika diperlukan. Ia juga dilesenkan dengan sewajarnya (ya, ia mungkin hanya coretan; ia tetap disyorkan untuk memastikan bahawa apa yang anda salin adalah benar-benar dibenarkan. Berhati-hati dengan menyalin gumpalan kod rawak.)
Coretan Logger Mini
Saya sertakan di bawah coretan kod untuk utiliti logger mini yang membenarkan satu panggilan dengan konfigurasi minimum:
from minilog import SimpleLogger LOG = SimpleLogger(name="mylog", level=SimpleLogger.INFO) LOG.info("this is useful")
Yang dicetak untuk konsol:
2024-11-20 10:43:44,567 | INFO | mylog : this is useful
Kod mini-logger
Salin ini ke dalam fail minilogger.py dalam projek anda. Tada - tiada pergantungan luar diperlukan. Jika tidak disentuh, ia akan kekal selama-lamanya. Tiada rampasan nama. Tiada suntikan rantaian bekalan.
# For completeness: # (C) Tai Kedzierski - Provided under MIT license. Go wild. import logging class SimpleLogger(logging.Logger): FORMAT_STRING = '%(asctime)s | %(levelname)s | %(name)s : %(message)s' ERROR = logging.ERROR WARN = logging.WARN INFO = logging.INFO DEBUG = logging.DEBUG def __init__(self, name="main", fmt_string=FORMAT_STRING, level=logging.WARNING, console=True, files=None): logging.Logger.__init__(self, name, level) formatter_obj = logging.Formatter(fmt_string) if files is None: files = [] elif isinstance(files, str): files = [files] def _add_stream(handler:logging.Handler, **kwargs): handler = handler(**kwargs) handler.setLevel(level) handler.setFormatter(formatter_obj) self.addHandler(handler) if console is True: _add_stream(logging.StreamHandler, stream=sys.stdout) for filepath in files: _add_stream(logging.FileHandler, filename=filepath)
Lesen MIT pada asasnya membolehkan anda "melakukan apa sahaja yang anda mahu dengan ini." Tiada rentetan terikat.
Di sana kami berada. Log ringkas ?
Atas ialah kandungan terperinci Pengelogan Python Mudah - dan penyimpangan pada kebergantungan, kepercayaan dan Salin/menampal kod. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Pythonlistsarepartofthestandardlibrary, sementara

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
