Python中推荐使用logging模块记录日志，它支持不同级别（DEBUG、INFO、WARNING、ERROR、CRITICAL）的消息筛选，并可通过Handler输出到控制台或文件，结合Formatter设置格式；生产环境通常使用INFO或WARNING级别，避免日志过多；为防止日志文件过大，可用RotatingFileHandler按大小或TimedRotatingFileHandler按时间实现日志轮转。
Python中记录日志，最核心且官方推荐的方式是使用内置的
logging模块。它提供了一个灵活的框架，可以捕获程序运行中的事件，并将其输出到文件、控制台，甚至网络服务等不同目的地，同时支持不同严重级别的消息筛选。这远比简单的
print()语句强大，是任何生产级应用不可或缺的组成部分。
在Python里处理日志，我个人觉得，如果你还在大量用
print()来调试，那真是错过了很多好东西。
logging模块才是王道，它提供了一套非常成熟的日志管理机制。
最基本的用法，我们通常会先获取一个
logger实例，然后配置它。比如：
import logging
# 获取一个logger实例，通常我们会给它一个名字，比如当前模块的名字
logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO) # 设置日志级别，低于此级别的日志不会被处理
# 创建一个处理器，比如输出到控制台
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
# 定义一个格式器，让日志输出得更漂亮、信息更全
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
console_handler.setFormatter(formatter)
# 将处理器添加到logger
logger.addHandler(console_handler)
# 记录一些日志
logger.debug('这是一条调试信息，通常在开发时用')
logger.info('程序启动了，这是个普通信息')
logger.warning('发现了一个潜在问题，需要注意')
logger.error('程序出错了！')
logger.critical('系统崩溃了，赶紧处理！')这段代码展示了
logging模块的核心组件：
立即学习“Python免费学习笔记（深入）”；
- Logger（记录器）：这是日志系统的入口，你通过它来记录消息。可以有多个Logger，形成层级结构。
-
Handler（处理器）：决定日志消息发往何处，比如控制台（
StreamHandler
）、文件（FileHandler
）、网络等等。 - Formatter（格式器）：定义日志消息的输出格式，比如时间、级别、消息内容等。
你会发现，上面
logger.debug()并没有输出，这是因为我们把
logger和
console_handler的级别都设成了
INFO。日志级别是个很关键的概念：
DEBUG < INFO < WARNING < ERROR < CRITICAL。只有当日志消息的级别高于或等于处理器或记录器的级别时，它才会被处理。这给了我们极大的灵活性，可以在不同环境下输出不同详细程度的日志。
Python日志级别有哪些？如何选择合适的级别？
Python的
logging模块提供了五种标准的日志级别，从最低到最高依次是：
- DEBUG (10)：最详细的调试信息，通常只在开发阶段或需要深入排查问题时启用。比如，某个函数接收了什么参数，中间变量的值是什么。
- INFO (20)：程序正常运行的通用信息。比如，服务启动、某个任务完成、用户登录成功等。这是生产环境中最常用的默认级别，用于监控程序的大致运行状态。
- WARNING (30)：表示发生了某些不寻常的事件，但程序仍然可以继续运行。比如，某个配置项缺失但使用了默认值，某个文件没找到但不是致命错误。
- ERROR (40)：表示程序发生了错误，某个功能无法正常执行。比如，数据库连接失败，文件写入失败，某个关键的API调用返回了错误。
- CRITICAL (50)：最严重的错误，通常意味着整个程序或系统无法继续运行。比如，内存耗尽，核心服务崩溃。
至于如何选择，我个人经验是，开发初期可以把日志级别设为
DEBUG，尽可能多地记录信息，方便排查问题。但到了生产环境，一般会设为
INFO或
WARNING。
INFO能让你对程序运行有个概览，而
WARNING以上则需要你特别关注。
ERROR和
CRITICAL是必须立即处理的警报。
一个好的实践是，在代码中记录日志时，根据事件的性质来选择级别，而不是根据你当前调试的需求。比如，一个用户登录失败的事件，它本质上是个
WARNING（用户输入错误）或者
ERROR（认证服务故障），而不应该因为你正在调试登录功能就把它设为
DEBUG。这样，即使在生产环境中，你也能通过日志级别快速筛选出真正需要关注的问题。
如何将Python日志输出到文件？以及日志轮转怎么实现？
将日志输出到文件是生产环境中几乎必备的操作，因为它能持久化地记录程序的运行轨迹，方便事后分析和故障排查。
logging模块提供了
FileHandler来实现这个功能。
import logging
logger = logging.getLogger('file_logger')
logger.setLevel(logging.INFO)
# 创建一个FileHandler，将日志写入到指定文件
file_handler = logging.FileHandler('my_application.log', encoding='utf-8')
file_handler.setLevel(logging.INFO)
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
file_handler.setFormatter(formatter)
logger.addHandler(file_handler)
logger.info('这条日志会写入到文件中。')
logger.error('程序遇到一个文件操作错误。')但这里有个问题，如果程序长时间运行，
my_application.log文件会无限增大，最终可能耗尽磁盘空间，甚至影响文件读写性能。这时，我们就需要日志轮转（Log Rotation）。
logging模块提供了两个非常实用的Handler来解决这个问题：
RotatingFileHandler和
TimedRotatingFileHandler。
-
RotatingFileHandler
：按文件大小轮转 当日志文件达到指定大小时
