loguru 的 logger 是全局单例，多次 `add()` 会向同一 logger 添加多个 handler；若未设置过滤器，所有满足最低级别要求的日志均会广播至全部 sink。要实现“error 只写 error 文件、info 只写 info 文件”，必须通过 `filter` 参数精确控制每条 sink 的接收范围。
Loguru 的核心设计原则之一是：所有 logger.add() 调用都作用于同一个全局 logger 实例。因此，代码中看似创建了 loggerEven 和 loggerUneven 两个“独立” logger，实则它们完全等价——只是对 loguru.logger 的不同别名引用：
from loguru import logger loggerEven = logger # ← 仍是原始 logger 对象 loggerUneven = logger # ← 同上，is 比较结果为 True
当你执行：
logger.add("Even.txt", level="INFO")
logger.add("UnEven.txt", level="ERROR")你实际为同一个 logger 添加了两个 sink（输出目标），且分别设定了最低接收级别：
- "Even.txt" 接收 INFO 及以上（即 INFO, SUCCESS, WARNING, ERROR, CRITICAL）；
- "UnEven.txt" 接收 ERROR 及以上（即 ERROR, CRITICAL）。
因此，调用 logger.error("Uneven") 时，该日志级别 ≥ 两个 sink 的 level 阈值，自动被两个文件同时记录——这正是你观察到“重复写入”的根本原因。
✅ 正确解法：使用 filter 参数实现精准路由
filter 支持函数、字符串或字典，用于在日志分发前做细粒度判断。推荐使用 lambda 函数按 record["level"].no 过滤：
from loguru import logger
import random
# 清空默认 stderr handler（可选，避免干扰）
logger.remove()
# ✅ 只接收 INFO 级别（且严格等于 INFO，不包含 WARNING+）
logger.add("Even.txt",
level="INFO",
filter=lambda record: record["level"].no == logger.level("INFO").no)
# ✅ 只接收 ERROR 级别（严格等于 ERROR）
logger.add("UnEven.txt",
level="ERROR",
filter=lambda record: record["level"].no == logger.level("ERROR").no)
x = random.randint(0, 11)
print(x)
if x % 2 == 1:
logger.error("Uneven") # → 仅写入 UnEven.txt
else:
logger.info("Even") # → 仅写入 Even.txt? 关键说明：
- level 参数控制最低准入门槛（≥），而 filter 执行最终裁决（是否放行）；二者需协同使用。
- 使用 record["level"].no 比较比字符串匹配更可靠（避免大小写/拼写误差）。
- 若需更复杂逻辑（如按模块名、自定义字段过滤），filter 也支持完整 record 字典访问，例如：
filter=lambda r: r["extra"].get("category") == "auth"
⚠️ 注意事项：
- 不要试图通过 logger.bind() 或重命名 logger 来“隔离” sink——Loguru 的 logger 本质是单例，handler 全局共享；
- 避免重复 add() 而未 remove()，否则旧 sink 会持续累积（可用 logger.info(logger._core.handlers) 查看当前 handlers）；
- 生产环境建议统一配置后冻结 logger（如 logger.disable("module_name") 控制模块级开关）。
通过 filter 显式声明每条 sink 的专属日志范围，即可彻底解决多文件重复写入问题，让 Loguru 真正实现“按需路由、精准落盘”。
