一、为什么要使用Logging？
很多初学者喜欢用print()调试，但在实际项目中会遇到问题：
- 项目跑起来后，不能随意中断程序查看输出
- 需要区分不同重要程度的信息（错误、警告、普通信息）
- 需要将日志保存到文件方便后续分析
- 在生产环境中，需要动态调整日志详细程度
这就是Logging库存在的意义！
二、快速开始：5分钟上手
基础示例
import logging
# 最简单的使用方式
logging.basicConfig(level=logging.WARN) # 设置日志级别
logging.debug('这是一条debug信息') # 不会显示（默认级别更高）
logging.info('这是一条info信息') # 不会显示
logging.warning('这是一条warning信息') # 会显示√
logging.error('这是一条error信息') # 会显示√
logging.critical('这是一条critical信息')# 会显示√
理解日志级别（从低到高）
- DEBUG - 调试细节，开发时使用
- INFO - 普通信息，确认事情按预期运行
- WARNING - 警告，发生了意外但不影响运行
- ERROR - 错误，部分功能受影响
- CRITICAL - 严重错误，程序可能崩溃
重要规则： 只会显示设置级别及以上的日志！
三、核心配置：让日志更实用
1. 配置日志格式和输出
# 详细配置示例
logging.basicConfig(
level=logging.DEBUG,
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
datefmt='%Y-%m-%d %H:%M:%S',
filename='app.log', # 输出到文件
filemode='a', # 追加模式
encoding='utf-8' # 指定UTF-8编码，解决中文乱码问题
)
# 使用
logging.info("程序启动")
logging.warning("磁盘空间不足90%")
logging.error("数据库连接失败")
2. 常用格式化字段
%(name)s Logger的名字
%(levelname)s 日志级别
%(message)s 日志内容
%(asctime)s 时间，可指定格式
%(filename)s 文件名
%(funcName)s 函数名
%(lineno)d 行号
四、进阶技巧：模块化使用
在实际项目中，我们通常不直接使用logging模块，而是创建自己的Logger：
1. 创建模块专用的Logger
# 在每个模块中这样做
import logging
# 创建logger实例，通常以模块名命名
logger = logging.getLogger(__name__) # 这是最佳实践！
def process_data(data):
logger.debug(f"开始处理数据，长度: {len(data)}")
try:
# 你的业务逻辑
result = data * 2
logger.info(f"数据处理成功，结果: {result}")
return result
except Exception as e:
logger.error(f"数据处理失败: {str(e)}", exc_info=True)
return None
2. 项目级别的配置
# config_logging.py - 日志配置文件
import logging
import logging.handlers
import os
def setup_logging():
"""配置项目日志系统"""
# 创建formatter（定义日志格式）
formatter = logging.Formatter(
'%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)
# 创建logger
logger = logging.getLogger() # 根logger
logger.setLevel(logging.DEBUG) # 设置最低级别
# 控制台处理器
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO) # 控制台只显示INFO及以上
console_handler.setFormatter(formatter)
# 文件处理器
file_handler = logging.FileHandler('app.log')
file_handler.setLevel(logging.DEBUG) # 文件记录所有DEBUG及以上
file_handler.setFormatter(formatter)
# 按时间切分的文件处理器（推荐生产环境使用）
time_handler = logging.handlers.TimedRotatingFileHandler(
'app.log',
when='midnight', # 每天午夜切分
interval=1,
backupCount=7 # 保留7天
)
time_handler.setFormatter(formatter)
# 添加处理器
logger.addHandler(console_handler)
logger.addHandler(file_handler)
# logger.addHandler(time_handler) # 使用这个替换上面的file_handler
五、实用场景示例
场景1：Web应用日志
import logging
from logging.handlers import RotatingFileHandler
# 创建logger
logger = logging.getLogger('webapp')
logger.setLevel(logging.INFO)
# 按大小滚动日志文件（最大10MB，保留5个备份）
handler = RotatingFileHandler(
'webapp.log',
maxBytes=10*1024*1024, # 10MB
backupCount=5
)
formatter = logging.Formatter(
'%(asctime)s - %(clientip)s - %(user)s - %(message)s'
)
handler.setFormatter(formatter)
logger.addHandler(handler)
# 使用（假设在请求处理中）
def handle_request(request, user):
# 添加额外信息
extra = {'clientip': request.client_ip, 'user': user}
logger.info('用户登录成功', extra=extra)
场景2：不同级别日志分开存储
import logging
# 配置不同的处理器
logger = logging.getLogger('myapp')
# 错误日志单独保存
error_handler = logging.FileHandler('errors.log')
error_handler.setLevel(logging.ERROR)
# 所有日志保存
all_handler = logging.FileHandler('all.log')
all_handler.setLevel(logging.DEBUG)
# 设置格式
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
error_handler.setFormatter(formatter)
all_handler.setFormatter(formatter)
logger.addHandler(error_handler)
logger.addHandler(all_handler)
六、最佳实践和小贴士
✅ 应该这样做：
-
尽早配置日志：在程序入口处配置，不要多处配置
-
使用
getLogger(__name__)：自动获取模块名作为logger名 -
合理使用级别：
- DEBUG：调试信息
- INFO：关键流程节点
- WARNING：可预料的问题
- ERROR：需要关注的错误
-
包含上下文信息：
logger.error(f"用户{user_id}操作失败")
避免这样做：
- 不要在所有地方都用根logger
- 不要在日志中记录敏感信息（密码、密钥）
- 不要过度记录，避免日志过大
总结
Logging库看似复杂，但核心只有几个概念：
- Logger - 记录器（谁在记录）
- Handler - 处理器（记录到哪里）
- Formatter - 格式化器（怎么记录）
- Level - 级别（记录什么）
