Python日志记录教程：logging配置与使用

Python的logging模块虽为标准库组件，却蕴藏着远超简单print输出的强大能力——本文深入剖析如何通过命名logger、Handler-Formatter-Level三层协同配置，实现分级精准、多目标输出、格式统一且可追溯的日志系统；不仅揭示了默认配置的局限与常见陷阱，更提供了控制台与轮转文件双输出的实战示例，并延伸至过滤器、请求上下文注入、结构化日志及YAML/字典分离配置等生产级技巧，助你从“能打日志”真正进阶到“日志驱动可观测性”。

Python 的 logging 模块是标准库中成熟、灵活的日志工具，不用安装第三方包就能实现分级记录、多目标输出、格式自定义和运行时动态控制。关键不是“怎么打日志”，而是“怎么让日志真正有用”——这取决于配置是否合理、级别是否得当、输出是否可追溯。

基础用法：从 print 到 logging.getLogger()

直接调用 logging.debug() 或 logging.info() 看似简单，但默认只显示 WARNING 及以上级别，且没有格式、无时间戳，也不写入文件。推荐始终使用 logger 实例：

• 用 logger = logging.getLogger(__name__) 获取命名 logger，便于按模块区分日志来源
• 不直接调用顶层函数（如 logging.info()），避免污染 root logger，影响后续配置
• 首次使用前建议调用 logging.basicConfig() 做简易配置（仅用于脚本调试，正式项目应显式配置）

核心配置：Handler、Formatter、Level 三要素

一条日志从产生到落地，需经过 logger → handler → formatter 三层协作：

• Logger：负责接收日志调用、判断是否满足 level 条件、分发给 handler；可通过 setLevel() 设置最低记录级别（如 INFO）
• Handler：决定日志输出去向，常见有 StreamHandler（控制台）、FileHandler（普通文件）、RotatingFileHandler（自动轮转）、TimedRotatingFileHandler（按时间切分）
• Formatter：定义日志文本结构，常用占位符包括 %(asctime)s、%(name)s、%(levelname)s、%(message)s、%(lineno)d

配置示例（控制台 + 文件双输出）：

import logging
<p>logger = logging.getLogger(<strong>name</strong>)
logger.setLevel(logging.DEBUG)</p><h1>控制台输出</h1><p>console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
console_formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
console_handler.setFormatter(console_formatter)</p><h1>文件输出（带轮转）</h1><p>file_handler = logging.handlers.RotatingFileHandler(
'app.log', maxBytes=5<em>1024</em>1024, backupCount=3
)
file_handler.setLevel(logging.DEBUG)
file_formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(funcName)s:%(lineno)d - %(message)s')
file_handler.setFormatter(file_formatter)</p><p>logger.addHandler(console_handler)
logger.addHandler(file_handler)</p>

实用技巧：过滤、上下文与结构化日志

真实项目中常需更精细控制：

• 用 Filter 子类可拦截特定条件日志（如排除健康检查请求、只保留某用户 ID 的操作）
• 借助 LoggerAdapter 注入固定字段，比如每次记录都带上 request_id：adapter = logging.LoggerAdapter(logger, {'request_id': 'abc123'})，之后调用 adapter.info("处理完成") 就会自动补全
• 结构化日志不依赖 JSON 字符串拼接，而是用 extra 参数传字典，配合自定义 Formatter 提取字段（如 %(user_id)s），再由日志收集系统（如 ELK）解析

生产环境建议：配置分离与动态调整

避免硬编码日志逻辑，推荐将配置抽离为字典或 YAML 文件：

• 使用 logging.config.dictConfig() 加载字典配置，支持 handler 复用、logger 继承、禁用 propagation
• 通过环境变量（如 LOG_LEVEL=DEBUG）控制日志级别，开发/测试/生产环境一键切换
• 在 Web 应用中（如 Flask/FastAPI），可在启动时完成配置，禁止 root logger 自动创建 StreamHandler 导致重复输出

不复杂但容易忽略：确保每个模块获取 logger 时使用 __name__，这样层级关系自然形成，方便后期按模块开关日志或调整级别。

今天关于《Python日志记录教程：logging配置与使用》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！