PyPI 的 JSON API 是一种机器可直接使用的数据源，你可以访问和你浏览网站时相同类型的数据。

PyPI（Python 软件包索引）提供了有关其软件包信息的 JSON API。本质上，它是机器可以直接使用的数据源，与你在网站上直接访问是一样的的。例如，作为人类，我可以在浏览器中打开 Numpy 项目页面，点击左侧相关链接，查看有哪些版本，哪些文件可用以及发行日期和支持的 Python 版本等内容：

但是，如果我想编写一个程序来访问此数据，则可以使用 JSON API，而不必在这些页面上抓取和解析 HTML。

顺便说一句：在旧的 PyPI 网站上，还托管在 pypi.python.org 时，NumPy 的项目页面位于 pypi.python.org/pypi/numpy，访问其 JSON API 也很简单，只需要在最后面添加一个 /json ，即 https://pypi.org/pypi/numpy/json。现在，PyPI 网站托管在 pypi.org，NumPy 的项目页面是 pypi.org/project/numpy。新站点不会有单独的 JSON API URL，但它仍像以前一样工作。因此，你不必在 URL 后添加 /json，只要记住 URL 就够了。

你可以在浏览器中打开 NumPy 的 JSON API URL，Firefox 很好地渲染了数据：

你可以查看 info，release 和 urls 其中的内容。或者，你可以将其加载到 Python Shell 中，以下是几行入门教程：

import requests
url = "https://pypi.org/pypi/numpy/json"
r = requests.get(url)
data = r.json()

获得数据后（调用 .json() 提供了该数据的 字典），你可以对其进行查看：

查看 release 中的键：

这表明 release 是一个以版本号为键的字典。选择一个并查看以下内容：

每个版本都包含一个列表，release 包含 24 项。但是每个项目是什么？由于它是一个列表，因此你可以索引第一项并进行查看：

这是一个字典，其中包含有关特定文件的详细信息。因此，列表中的 24 个项目中的每一个都与此特定版本号关联的文件相关，即在 https://pypi.org/project/numpy/1.20.1/#files 列出的 24 个文件。

你可以编写一个脚本在可用数据中查找内容。例如，以下的循环查找带有 sdist（源代码包）的版本，它们指定了 requires_python 属性并进行打印：

for version, files in data['releases'].items():
    for f in files:
        if f.get('packagetype') == 'sdist' and f.get('requires_python'):
            print(version, f['requires_python'])

piwheels

去年，我在 piwheels 网站上实现了类似的 API。piwheels.org 是一个 Python 软件包索引，为树莓派架构提供了 wheel（预编译的二进制软件包）。它本质上是 PyPI 软件包的镜像，但带有 Arm wheel，而不是软件包维护者上传到 PyPI 的文件。

由于 piwheels 模仿了 PyPI 的 URL 结构，因此你可以将项目页面 URL 的 pypi.org 部分更改为 piwheels.org。它将向你显示类似的项目页面，其中详细说明了构建的版本和可用的文件。由于我喜欢旧站点允许你在 URL 末尾添加 /json 的方式，所以我也支持这种方式。NumPy 在 PyPI 上的项目页面为 pypi.org/project/numpy，在 piwheels 上，它是 piwheels.org/project/numpy，而 JSON API 是 piwheels.org/project/numpy/json 页面。

没有必要重复 PyPI API 的内容，所以我们提供了 piwheels 上可用内容的信息，包括所有已知发行版的列表，一些基本信息以及我们拥有的文件列表：

与之前的 PyPI 例子类似，你可以创建一个脚本来分析 API 内容。例如，对于每个 NumPy 版本，其中有多少 piwheels 文件：

import requests

url = "https://www.piwheels.org/project/numpy/json"
package = requests.get(url).json()

for version, info in package['releases'].items():
    if info['files']:
        print('{}: {} files'.format(version, len(info['files'])))
    else:
        print('{}: No files'.format(version))

此外，每个文件都包含一些元数据：

方便的是 apt_dependencies 字段，它列出了使用该库所需的 Apt 软件包。本例中的 NumPy 文件，或者通过 pip 安装 Numpy，你还需要使用 Debian 的 apt 包管理器安装 libatlas3-base 和 libgfortran。

以下是一个示例脚本，显示了程序包的 Apt 依赖关系：

import requests

def get_install(package, abi):
    url = 'https://piwheels.org/project/{}/json'.format(package)
    r = requests.get(url)
    data = r.json()
    for version, release in sorted(data['releases'].items(), reverse=True):
        for filename, file in release['files'].items():
            if abi in filename:
                deps = ' '.join(file['apt_dependencies'])
                print("sudo apt install {}".format(deps))
                print("sudo pip3 install {}=={}".format(package, version))
                return

get_install('opencv-python', 'cp37m')
get_install('opencv-python', 'cp35m')
get_install('opencv-python-headless', 'cp37m')
get_install('opencv-python-headless', 'cp35m')

我们还为软件包列表提供了一个通用的 API 入口，其中包括每个软件包的下载统计：

import requests

url = "https://www.piwheels.org/packages.json"
packages = requests.get(url).json()
packages = {
    pkg: (d_month, d_all)
    for pkg, d_month, d_all, \*_ in packages
}

package = 'numpy'
d_month, d_all = packages[package]

print(package, "has had", d_month, "downloads in the last month")
print(package, "has had", d_all, "downloads in total")

pip search

pip search 因为其 XMLRPC 接口过载而被禁用，因此人们一直在寻找替代方法。你可以使用 piwheels 的 JSON API 来搜索软件包名称，因为软件包的集合是相同的：

#!/usr/bin/python3
import sys

import requests

PIWHEELS_URL = 'https://www.piwheels.org/packages.json'

r = requests.get(PIWHEELS_URL)
packages = {p[0] for p in r.json()}

def search(term):
    for pkg in packages:
        if term in pkg:
            yield pkg

if __name__ == '__main__':
    if len(sys.argv) == 2:
        results = search(sys.argv[1].lower())
        for res in results:
            print(res)
    else:
        print("Usage: pip_search TERM")

有关更多信息，参考 piwheels 的 JSON API 文档.

本文最初发表在 Ben Nuttall 的 Tooling Tuesday 博客上，经许可转载使用。

via: https://opensource.com/article/21/3/python-package-index-json-apis-requests

作者：Ben Nuttall 选题：lujun9972 译者：MjSeven 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

Jupyter 笔记本将 IPython shell 提升到一个新的高度。

Jupyter 项目最初是以 IPython 和 IPython 笔记本的形式出现的。它最初是一个专门针对 Python 的交互式 shell 和笔记本环境，后来扩展为不分语言的环境，支持 Julia、Python 和 R 以及其他任何语言。

IPython 是一个 Python shell，类似于你在命令行输入 python 或者 python3 时看到的，但它更聪明、更有用。如果你曾经在 Python shell 中输入过多行命令，并且想重复它，你就会理解每次都要一行一行地滚动浏览历史记录的挫败感。有了 IPython，你可以一次滚动浏览整个块，同时还可以逐行浏览和编辑这些块的部分内容。

它具有自动补全，并提供上下文感知的建议：

它默认会整理输出：

它甚至允许你运行 shell 命令：

它还提供了一些有用的功能，比如将 ? 添加到对象中，作为运行 help() 的快捷方式，而不会破坏你的流程：

如果你使用的是虚拟环境（参见我关于 virtualenvwrapper 的帖子），可以在环境中用 pip 安装：

pip install ipython

要在全系统范围内安装，你可以在 Debian、Ubuntu 或树莓派上使用 apt：

sudo apt install ipython3

或使用 pip：

sudo pip3 install ipython

Jupyter 笔记本

Jupyter 笔记本将 IPython shell 提升到了一个新的高度。首先，它们是基于浏览器的，而不是基于终端的。要开始使用，请安装 jupyter。

如果你使用的是虚拟环境，请在环境中使用 pip 进行安装：

pip install jupyter

要在全系统范围内安装，你可以在 Debian、Ubuntu 或树莓派上使用 apt：

sudo apt install jupyter-notebook

或使用 pip：

sudo pip3 install jupyter

启动笔记本：

jupyter notebook

这将在你的浏览器中打开：

你可以使用 “New” 下拉菜单创建一个新的 Python 3 笔记本：

现在你可以在 In[ ] 字段中编写和执行命令。使用 Enter 在代码块中换行，使用 Shift+Enter 来执行：

你可以编辑和重新运行代码块，你可以重新排序、删除，复制/粘贴，等等。你可以以任何顺序运行代码块，但是要注意的是，任何创建的变量的作用域都将根据执行的时间而不是它们在笔记本中出现的顺序。你可以在 “Kernel” 菜单中重启并清除输出或重启并运行所有的代码块。

使用 print 函数每次都会输出。但是如果你有一条没有分配的语句，或者最后一条语句没有分配，那么它总是会输出：

你甚至可以把 In 和 Out 作为可索引对象：

所有的 IPython 功能都可以使用，而且通常也会表现得更漂亮一些：

你甚至可以使用 Matplotlib 进行内联绘图：

最后，你可以保存你的笔记本，并将其包含在 Git 仓库中，如果你将其推送到 GitHub，它们将作为已完成的笔记本被渲染：输出、图形和所有一切（如 本例）：

本文原载于 Ben Nuttall 的 Tooling Tuesday 博客，经许可后重用。

via: https://opensource.com/article/21/3/ipython-shell-jupyter-notebooks

作者：Ben Nuttall 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

虚拟环境是安全地使用不同版本的 Python 和软件包组合的关键。

Python 对管理虚拟环境的支持，已经提供了一段时间了。Python 3.3 甚至增加了内置的 venv 模块，用于创建没有第三方库的环境。Python 程序员可以使用几种不同的工具来管理他们的环境，我使用的工具叫做 virtualenvwrapper。

虚拟环境是将你的 Python 项目及其依赖关系与你的系统安装的 Python 分离的一种方式。如果你使用的是基于 macOS 或 Linux 的操作系统，它很可能在安装中附带了一个 Python 版本，事实上，它很可能依赖于那个特定版本的 Python 才能正常运行。但这是你的计算机，你可能想用它来达到自己的目的。你可能需要安装另一个版本的 Python，而不是操作系统提供的版本。你可能还需要安装一些额外的库。尽管你可以升级你的系统 Python，但不推荐这样做。你也可以安装其他库，但你必须注意不要干扰系统所依赖的任何东西。

虚拟环境是创建隔离的关键，你需要安全地修改不同版本的 Python 和不同组合的包。它们还允许你为不同的项目安装同一库的不同版本，这解决了在相同环境满足所有项目需求这个不可能的问题。

为什么选择 virtualenvwrapper 而不是其他工具？简而言之：

• 与 venv 需要在项目目录内或旁边有一个 venv 目录不同，virtualenvwrapper 将所有环境保存在一个地方：默认在 ~/.virtualenvs 中。
• 它提供了用于创建和激活环境的命令，而且激活环境不依赖于找到正确的 activate 脚本。它只需要（从任何地方）workon projectname而不需要 source ~/Projects/flashylights-env/bin/activate。

开始使用

首先，花点时间了解一下你的系统 Python 是如何配置的，以及 pip 工具是如何工作的。

以树莓派系统为例，该系统同时安装了 Python 2.7 和 3.7。它还提供了单独的 pip 实例，每个版本一个：

• 命令 python 运行 Python 2.7，位于 /usr/bin/python。
• 命令 python3 运行 Python 3.7，位于 /usr/bin/python3。
• 命令 pip 安装 Python 2.7 的软件包，位于 /usr/bin/pip。
• 命令 pip3 安装 Python 3.7 的包，位于 /usr/bin/pip3。

在开始使用虚拟环境之前，验证一下使用 python 和 pip 命令的状态是很有用的。关于你的 pip 实例的更多信息可以通过运行 pip debug 或 pip3 debug 命令找到。

在我运行 Ubuntu Linux 的电脑上几乎是相同的信息（除了它是 Python 3.8）。在我的 Macbook 上也很相似，除了唯一的系统 Python 是 2.6，而我用 brew 安装 Python 3.8，所以它位于 /usr/local/bin/python3（和 pip3 一起）。

安装 virtualenvwrapper

你需要使用系统 Python 3 的 pip 安装 virtualenvwrapper：

sudo pip3 install virtualenvwrapper

下一步是配置你的 shell 来加载 virtualenvwrapper 命令。你可以通过编辑 shell 的 RC 文件（例如 .bashrc、.bash_profile 或 .zshrc）并添加以下几行：

export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
export VIRTUALENVWRAPPER_VIRTUALENV=/usr/local/bin/virtualenv
source /usr/local/bin/virtualenvwrapper.sh

如果你的 Python 3 位于其他地方，请根据你的设置修改第一行。

关闭你的终端，然后重新打开它，这样才能生效。第一次打开终端时，你应该看到 virtualenvwrapper 的一些输出。这只会发生一次，因为一些目录是作为设置的一部分被创建的。

现在你应该可以输入 mkvirtualenv --version 命令来验证 virtualenvwrapper 是否已经安装。

创建一个新的虚拟环境

假设你正在进行一个名为 flashylights 的项目。要用这个名字创建一个虚拟环境，请运行该命令：

mkvirtualenv flashylights

环境已经创建并激活，所以你会看到 (flashlylights) 出现在你的提示前：

现在环境被激活了，事情发生了变化。python 现在指向一个与你之前在系统中识别的 Python 实例完全不同的 Python 实例。它为你的环境创建了一个目录，并在其中放置了 Python 3 二进制文件、pip 命令等的副本。输入 which python 和 which pip 来查看它们的位置。

如果你现在运行一个 Python 程序，你可以用 python 代替 python3 来运行，你可以用 pip 代替 pip3。你使用 pip安装的任何包都将只安装在这个环境中，它们不会干扰你的其他项目、其他环境或系统安装。

要停用这个环境，运行 deactivate 命令。要重新启用它，运行 workon flashylights。

你可以用 workon 或使用 lsvirtualenv 列出所有可用的环境。你可以用 rmvirtualenv flashylights 删除一个环境。

在你的开发流程中添加虚拟环境是一件明智的事情。根据我的经验，它可以防止我在系统范围内安装我正在试验的库，这可能会导致问题。我发现 virtualenvwrapper 是最简单的可以让我进入流程的方法，并无忧无虑地管理我的项目环境，而不需要考虑太多，也不需要记住太多命令。

高级特性

• 你可以在你的系统上安装多个 Python 版本（例如，在 Ubuntu 上使用 deadsnakes PPA），并使用该版本创建一个虚拟环境，例如，mkvirtualenv -p /usr/bin/python3.9 myproject。
• 可以在进入和离开目录时自动激活、停用。
• 你可以使用 postmkvirtualenv 钩子在每次创建新环境时安装常用工具。

更多提示请参见文档。

本文基于 Ben Nuttall 在 Tooling Tuesday 上关于 virtualenvwrapper 的帖子，经许可后重用。

via: https://opensource.com/article/21/2/python-virtualenvwrapper

作者：Ben Nuttall 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

这个 Python 模块可以以多种格式收集网站使用日志并输出良好结构化数据以进行分析。

是否想知道有多少访问者访问过你的网站？或哪个页面、文章或下载最受欢迎？如果你是自托管的博客或网站，那么无论你使用的是 Apache、Nginx 还是 Microsoft IIS（是的，没错），lars都可以为你提供帮助。

Lars 是 Python 写的 Web 服务器日志工具包。这意味着你可以使用 Python 通过简单的代码来回溯（或实时）解析日志，并对数据做任何你想做的事：将它存储在数据库中、另存为 CSV 文件，或者立即使用 Python 进行更多分析。

Lars 是 Dave Jones 写的另一个隐藏的宝石。我最初是在本地 Python 用户组中看到 Dave 演示 lars。几年后，我们开始在 piwheels 项目中使用它来读取 Apache 日志并将行插入到我们的 Postgres 数据库中。当树莓派用户从 piwheels.org下载 Python 包时，我们会记录文件名、时间戳、系统架构（Arm 版本）、发行版名称/版本，Python 版本等。由于它是一个关系数据库，因此我们可以将这些结果加入其他表中以获得有关文件的更多上下文信息。

你可以使用以下方法安装lars：

$ pip install lars

在某些系统上，正确的方式是 sudo pip3 install lars。

首先，找到一个 Web 访问日志并制作一个副本。你需要将日志文件下载到计算机上进行操作。我在示例中使用的是 Apache 日志，但是经过一些小（且直观）的更改，你可以使用 Nginx 或 IIS。在典型的 Web 服务器上，你会在 /var/log/apache2/ 中找到 Apache 日志，通常是 access.log、ssl_access.log（对于 HTTPS）或 gzip 压缩后的轮转日志文件，如 access-20200101.gz 或者 ssl_access-20200101.gz 。

首先，日志是什么样的？

81.174.152.222 - - [30/Jun/2020:23:38:03 +0000] "GET / HTTP/1.1" 200 6763 "-" "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:77.0) Gecko/20100101 Firefox/77.0"

这是一个显示了请求源 IP 地址、时间戳、请求文件路径（在本例中是主页 /）、HTTP 状态代码，用户代理（Ubuntu 上的 Firefox）等的请求。

你的日志文件将充满这样的条目，不仅是每个打开的页面，还包括返回的每个文件和资源：每个 CSS 样式表、JavaScript 文件和图像，每个 404 请求、每个重定向、每个爬虫。要从日志中获取有意义的数据，你需要对条目进行解析、过滤和排序。这就是 Lars 的用处。本示例将打开一个日志文件并打印每一行的内容：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            print(row)

它会为每条日志显示如下结果：

Row(remote_host=IPv4Address('81.174.152.222'), ident=None, remote_user=None, time=DateTime(2020, 6, 30, 23, 38, 3), request=Request(method='GET', url=Url(scheme='', netloc='', path_str='/', params='', query_str='', fragment=''), protocol='HTTP/1.1'), status=200, size=6763)

它解析了日志条目，并将数据放入结构化格式中。该条目已成为具有与条目数据相关属性的 命名元组 namedtuple ，因此，例如，你可以使用 row.status 访问状态代码，并使用 row.request.url.path_str 访问路径：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            print(f'hit {row.request.url.path_str} with status code {row.status}')

如果你只想显示 404 请求，可以执行以下操作：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            if row.status == 404:
                print(row.request.url.path_str)

你可能要对这些数据去重，并打印独立的 404 页面数量：

s = set()
with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            if row.status == 404:
                s.add(row.request.url.path_str)
print(len(s))

我和 Dave 一直在努力扩展 piwheel 的日志记录器，使其包含网页点击量、软件包搜索等内容，归功于 lars，这些并不难。它不会告诉我们有关用户的任何答案。我们仍然需要进行数据分析，但它去掉了复杂不便的文件格式，并以我们可以利用的方式将它放入我们的数据库。

查阅 lars 的文档，以了解如何读取 Apache、Nginx 和 IIS 日志，并了解你还可以使用它做什么。再次感谢 Dave 提供的出色工具！

最初发布在 Ben Nuttall 的 Tooling Blog 中，并获许重新发布。

via: https://opensource.com/article/20/7/python-lars

作者：Ben Nuttall 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

Meld 是一个可视化 diff 工具，它可让你轻松比较和合并文件、目录、Git 仓库等的更改。

Meld 是我处理代码和数据文件的基本工具之一。它是一个图形化的 diff 工具，因此，如果你曾经使用过 diff 命令并难以理解输出，那么 Meld 可以为你提供帮助。

这是该项目网站的精彩描述：

“Meld 是面向开发人员的可视化 diff 和合并工具。Meld 可以帮助你比较文件、目录和版本控制的项目。它提供文件和目录的双向和三向比较，并支持许多流行的版本控制系统。”

“Meld 可以帮助你检查代码更改并了解补丁。它甚至可以帮助你弄清你一直在避免的合并中发生了什么。”

你可以使用以下命令在 Debian/Ubuntu 系统（包括 Raspbian）上安装 Meld：

$ sudo apt install meld

在 Fedora 或类似产品上：

$ sudo dnf install meld

Meld 是跨平台的，它有一个使用 Chocolately 包管理器的 Windows 安装包。尽管它在 macOS 上不受官方支持，但有可用于 Mac 的版本，你可以使用 Homebrew 安装：

$ brew cask install meld

有关其他系统，请参见 Meld 的主页。

Meld 对比 diff 命令

如果你有两个相似的文件（也许一个是另一个的修改版本），并想要查看它们之间的更改，那么可以在终端中运行 diff 命令查看它们的区别：

此例显示了 conway1.py 和 conway2.py 之间的区别。表明我：

• 删除了释伴)和第二行
• 从类声明中删除了 (object)
• 为类添加了 docstring
• 在方法中交换了 alive 和 neighbours == 2 的顺序

这是使用 meld 命令的相同例子。你可以在命令行中运行以下命令进行相同的比较：

$ meld conway1.py conway2.py

Meld 更清晰！

你可以轻松查看并单击箭头（左右都行）合并文件之间的更改。你甚至可以实时编辑文件（在输入时，Meld 可以用作具有实时比较功能的简单文本编辑器）—只是要记得在关闭窗口之前保存。

你甚至可以比较和编辑三个不同的文件：

Meld 的 Git 感知

希望你正在使用 Git 之类的版本控制系统。如果是这样，那么你的比较就不是在两个不同文件之间进行，而是要查找当前文件与 Git 历史文件之间的差异。Meld 理解这一点，因此，如果你运行 meld conway.py（conway.py 在 Git 中），它将显示自上次 Git 提交以来所做的更改：

你可以看到当前版本（右侧）和仓库版本（左侧）之间的更改。你可以看到，自上次提交以来，我删除了一个方法，并添加了一个参数和一个循环。

如果你运行 meld .，你将看到当前目录（如果位于仓库的根目录，就是整个仓库）中的所有更改：

你会看到一个文件被修改了，另一个文件未加入版本控制（这意味着它对 Git 是新的，因此在比较之前，我需要 git add 添加该文件），以及许多其他未修改的文件。顶部的图标提供了各种显示选项。

你还可以比较两个目录，这有时很方便：

结论

即使是普通用户也会觉得 diff 的比较难以理解。我发现 Meld 提供的可视化在找出文件之间的更改方面有很大的不同。最重要的是，Meld 有一些有用的版本控制认知，可以帮助你在不考虑太多内容的情况下对 Git 提交进行比较。快来试试 Meld，并轻松解决问题。

本文最初发表在 Ben Nuttall 的 Tooling blog 上，并经允许重新使用。

via: https://opensource.com/article/20/3/meld

作者：Ben Nuttall 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

快速了解一个方便的日志库，来帮助你掌握这个重要的编程概念。

logzero 库使日志记录就像打印语句一样容易，是简单性的杰出代表。我不确定 logzero 的名称是否要与 pygame-zero、GPIO Zero 和 guizero 这样的 “zero 样板库”契合，但是肯定属于该类别。它是一个 Python 库，可以使日志记录变得简单明了。

你可以使用它基本的记录到标准输出的日志记录，就像你可以使用 print 来获得信息和调试一样，学习它的更高级日志记录（例如记录到文件）的学习曲线也很平滑。

首先，使用 pip 安装 logzero：

$ sudo pip3 install logzero

在 Python 文件中，导入 logger 并尝试以下一个或所有日志实例：

from logzero import logger

logger.debug("hello")
logger.info("info")
logger.warning("warning")
logger.error("error")

输出以易于阅读的方式自动着色：

因此现在不要再使用 print 来了解发生了什么，而应使用有相关日志级别的日志器。

在 Python 中将日志写入文件

如果你阅读至此，并会在你写代码时做一点改变，这对我就足够了。如果你要了解更多，请继续阅读！

写到标准输出对于测试新程序不错，但是仅当你登录到运行脚本的计算机时才有用。在很多时候，你需要远程执行代码并在事后查看错误。这种情况下，记录到文件很有帮助。让我们尝试一下：

from logzero import logger, logfile

logfile('/home/pi/test.log')

现在，你的日志条目将记录到文件 test.log 中。记住确保脚本有权限写入该文件及其目录结构。

你也可以指定更多选项：

logfile('/home/pi/test.log', maxBytes=1e6, backupCount=3)

现在，当提供给 test.log 文件的数据达到 1MB（10 ⁶ 字节）时，它将通过 test.log.1、test.log.2 等文件轮替写入。这种行为可以避免系统打开和关闭大量 I/O 密集的日志文件，以至于系统无法打开和关闭。更专业一点，你或许还要记录到 /var/log。假设你使用的是 Linux，那么创建一个目录并将用户设为所有者，以便可以写入该目录：

$ sudo mkdir /var/log/test
$ sudo chown pi /var/log/test

然后在你的 Python 代码中，更改 logfile 路径：

logfile('/var/log/test/test.log', maxBytes=1e6, backupCount=3)

当要在 logfile 中捕获异常时，可以使用 logging.exception：

try:
    c = a / b
except Exception as e:
    logger.exception(e)

这将输出（在 b 为零的情况下）：

[E 190422 23:41:59 test:9] division by zero
     Traceback (most recent call last):
       File "test.py", line 7, in
         c = a / b
     ZeroDivisionError: division by zero

你会得到日志，还有完整回溯。另外，你可以使用 logging.error 并隐藏回溯：

try:
    c = a / b
except Exception as e:
    logger.error(f"{e.__class__.__name__}: {e}")

现在，将产生更简洁的结果：

[E 190423 00:04:16 test:9] ZeroDivisionError: division by zero

你可以在 logzero.readthedocs.io 中阅读更多选项。

logzero 为教育而生

对于新手程序员来说，日志记录可能是一个具有挑战性的概念。大多数框架依赖于流控制和大量变量操作来生成有意义的日志，但是 logzero 不同。由于它的语法类似于 print 语句，因此它在教育上很成功，因为它无需解释其他概念。在你的下个项目中试试它。

此文章最初发布在我的博客上，经许可重新发布。

via: https://opensource.com/article/20/2/logzero-python

作者：Ben Nuttall 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出