在 Python 中使用 log（日志）功能，推荐通过内置的 logging 模块实现。**相比简单的 print 输出，logging 支持日志分级、格式化输出、文件持久化、多模块协作以及生产环境可控管理，是构建可维护程序的标准做法。**通过合理配置日志级别（DEBUG、INFO、WARNING、ERROR、CRITICAL）与输出格式，可以显著提升代码的可观测性与问题排查效率。本文将系统讲解 Python 中 log 的使用方法、配置技巧、进阶用法及最佳实践，帮助你在开发与生产环境中正确使用日志系统。

## 一、Python 日志 logging 模块概述

在 Python 中实现 log 功能，最核心的工具是标准库中的 logging 模块。logging 是 Python 官方提供的日志系统组件，自 Python 2.3 起被纳入标准库，设计目标是支持企业级应用的日志管理。根据 Python 官方文档（Python Software Foundation, 2024），logging 模块支持多级日志控制、日志格式化、自定义处理器以及跨模块日志统一管理，是推荐的日志解决方案。

与简单的 print 输出相比，logging 的优势在于支持日志等级区分，可以将调试信息与错误信息区分管理，同时支持将日志输出到终端、文件、网络或外部系统。这种结构化日志记录机制，使得 Python log 不再是简单文本输出，而是可配置、可过滤、可持久化的系统级功能。

在实际开发中，**log 的核心价值体现在“可追踪性”和“可审计性”**。无论是 Web 应用、数据处理脚本，还是自动化任务，都应该避免使用 print 调试，而改用 logging 模块进行标准日志管理。

## 二、Python 日志级别详解

在 Python 中使用 log 时，必须理解日志等级（Log Level）的概念。logging 模块定义了五个常见等级，每个等级代表不同严重程度的信息。

### 日志级别对比表

| 日志等级 | 数值 | 使用场景 | 是否默认输出 |
|----------|------|----------|--------------|
| DEBUG    | 10   | 调试信息、变量状态 | 否 |
| INFO     | 20   | 正常运行状态提示 | 是 |
| WARNING  | 30   | 潜在问题警告 | 是 |
| ERROR    | 40   | 运行错误 | 是 |
| CRITICAL | 50   | 严重系统错误 | 是 |

默认情况下，logging 的基础配置等级为 WARNING，这意味着 DEBUG 和 INFO 不会被输出。使用 log 时需要根据场景调整日志级别。例如，在开发环境中可设为 DEBUG，在生产环境中通常设为 INFO 或 WARNING，以减少冗余日志。

合理使用日志等级有助于构建清晰的日志体系。**日志分级是 Python log 管理的核心机制，也是区分“开发日志”与“生产日志”的关键。**

## 三、Python 中 log 的基础使用方法

在 Python 中使用 log 的最简单方式是通过 basicConfig 进行快速配置。下面示例展示最基础的日志使用方法：

```python
import logging

logging.basicConfig(level=logging.DEBUG)

logging.debug("调试信息")
logging.info("普通信息")
logging.warning("警告信息")
logging.error("错误信息")
logging.critical("严重错误")
```

这段代码通过 basicConfig 设置日志级别为 DEBUG，因此所有等级日志都会输出。basicConfig 是最简单的配置方式，适用于小型脚本或学习阶段。

如果需要更规范的写法，推荐创建 logger 实例：

```python
import logging

logger = logging.getLogger(__name__)
logger.setLevel(logging.DEBUG)

logger.info("使用 logger 记录信息")
```

这种方式适用于多模块项目。**在大型 Python 项目中，建议为每个模块创建独立 logger，以便统一管理日志输出。**

## 四、日志格式化与输出控制

在 Python 中使用 log 时，日志格式（Formatter）决定了输出内容结构。通过 format 参数可以自定义时间、模块名、日志等级等信息。

### 常见日志格式字段

| 占位符 | 含义 |
|--------|------|
| %(asctime)s | 时间 |
| %(levelname)s | 日志等级 |
| %(name)s | logger 名称 |
| %(message)s | 日志内容 |
| %(filename)s | 文件名 |
| %(lineno)d | 行号 |

示例代码：

```python
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)
```

通过格式化设置，可以让 Python log 更具结构化特征，便于排查问题与分析运行状态。生产环境中建议加入时间戳与模块名。

根据 Elastic 发布的《Observability Guide》（Elastic, 2023），结构化日志可显著提升系统可观测性和问题定位效率。**因此，在使用 Python log 时，应优先考虑可读性与结构化输出。**

## 五、日志输出到文件与多处理器机制

在实际开发中，仅输出到控制台往往不够，需要将 log 保存到文件中。可以通过 FileHandler 实现。

示例：

```python
import logging

logger = logging.getLogger("file_logger")
logger.setLevel(logging.INFO)

file_handler = logging.FileHandler("app.log")
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
file_handler.setFormatter(formatter)

logger.addHandler(file_handler)

logger.info("日志写入文件")
```

除了 FileHandler，还可以使用：

- StreamHandler（控制台输出）
- RotatingFileHandler（按大小滚动）
- TimedRotatingFileHandler（按时间滚动）

### 文件日志方案对比

| 处理器类型 | 使用场景 | 是否自动轮转 |
|------------|----------|--------------|
| FileHandler | 简单文件输出 | 否 |
| RotatingFileHandler | 文件大小限制 | 是 |
| TimedRotatingFileHandler | 按天/小时切分 | 是 |

**在生产环境中，推荐使用滚动日志机制，避免日志文件无限增长。**

## 六、多模块项目中的日志最佳实践

在大型 Python 项目中，日志应统一管理，而非每个文件随意配置。推荐做法：

在主程序中配置 logging，在各模块中仅获取 logger：

```python
# main.py
logging.basicConfig(level=logging.INFO)

# module.py
logger = logging.getLogger(__name__)
```

这种方式可避免重复配置。**统一日志入口，是 Python log 架构化管理的关键原则。**

同时，应避免在库代码中调用 basicConfig，因为它会影响全局日志行为。模块应保持独立性。

## 七、异常捕获与日志结合

在 Python 中使用 log 时，推荐结合异常处理机制。logging 提供 exception() 方法，可自动记录堆栈信息。

```python
try:
    1 / 0
except ZeroDivisionError:
    logging.exception("发生除零错误")
```

logging.exception 等价于 logging.error 并附带 traceback 信息。对于排查问题极其重要。

**日志与异常处理结合，是构建健壮 Python 系统的核心实践。**

## 八、进阶用法：日志配置文件与 dictConfig

对于复杂系统，可使用 dictConfig 或配置文件方式集中管理日志。

示例：

```python
from logging.config import dictConfig

dictConfig({
    "version": 1,
    "handlers": {
        "console": {
            "class": "logging.StreamHandler",
            "level": "INFO"
        }
    },
    "root": {
        "handlers": ["console"],
        "level": "INFO"
    }
})
```

这种方式便于集中配置日志策略，适用于 Web 框架或服务型系统。

根据 Python 官方文档（Python Software Foundation, 2024），dictConfig 是推荐的企业级日志配置方式。**在微服务或多模块系统中，应优先采用集中化日志配置。**

## 九、总结与未来趋势

在 Python 中使用 log，最佳实践是通过 logging 模块进行标准化管理，合理设置日志等级、格式化输出、文件持久化，并结合异常处理与多模块管理。**日志系统不仅是调试工具，更是系统稳定性与可维护性的核心保障。**

未来趋势方面，日志将与可观测性平台深度结合，形成日志、指标、追踪三位一体的监控体系。结构化日志与云端日志分析将成为主流方向。对于 Python 开发者而言，掌握 logging 模块的标准用法，是构建专业级系统的基础能力。

参考与资料来源  
Python Software Foundation. (2024). Logging HOWTO. https://docs.python.org/3/howto/logging.html  
Elastic. (2023). Observability Guide. https://www.elastic.co/guide/en/observability/current/index.html

在Python中，日志功能主要通过logging模块实现。你可以使用import logging来导入该模块，然后调用它提供的各种方法来记录日志。

导入logging模块的方法

我想在Python程序中使用日志功能，应该如何导入相关模块？

Python中如何导入日志模块？

使用logging.basicConfig()方法可以配置日志的等级、格式、输出位置等。例如，可以指定日志连接等级为DEBUG，设置输出格式以及指定日志文件名等，从而实现日志的定制化。

创建和配置日志基本步骤

想在程序中生成日志文件，需要怎样设置日志的等级和输出格式？

如何在Python中创建和配置日志？

Python的logging模块常用日志等级有DEBUG、INFO、WARNING、ERROR和CRITICAL。建议开发时使用DEBUG或INFO等级测试和追踪，部署应用时一般选择WARNING或更高级别，以减少日志冗余。

日志等级及使用建议

日志等级包括哪些类型，怎么根据需求选择适合的等级来记录日志？

Python的日志等级有哪些，怎么选择合适的等级？

PingCodeDocs

在 Python 中使用 log 应优先采用内置 logging 模块，而不是简单使用 print。logging 支持日志分级、格式化输出、文件保存、多模块统一管理以及异常追踪，是标准且专业的日志解决方案。通过合理设置日志级别、使用文件处理器和结构化格式，并结合异常捕获与集中配置机制，可以构建清晰、可维护且适用于生产环境的日志体系。未来日志将与系统可观测性深度融合，成为软件稳定运行的重要基础能力。

python中怎么用log

用户关注问题