python中logging模块的正确使用方法包括：1.基础配置，设置日志级别和格式；2.使用logger对象区分模块来源并单独控制日志级别；3.添加filehandler将日志写入文件并保留控制台输出；4.上线前关闭debug日志、用模块名命名logger、避免在库代码中配置logging、使用dictconfig做复杂配置。logging.basicconfig设置级别和格式，logger = logging.getlogger(__name__)创建模块logger，同时添加streamhandler和filehandler实现多输出，并通过setlevel控制不同模块或全局的日志级别，确保日志结构清晰且便于维护。
在Python项目中，logging模块是记录日志的首选工具。它灵活、功能强大，但很多人用不好，导致日志信息混乱、缺失或难以维护。配置好logging，不仅能帮助排查问题，还能提升系统的可观测性。
基本配置：别再用print了
刚开始用logging时，很多人直接logging.info("something")，这样虽然比print强点，但远远不够。建议一开始就做基础配置：
import logging logging.basicConfig(level=logging.INFO)
这一步设定了最低日志级别为INFO，意味着DEBUG级别的日志不会显示。如果你希望看到更详细的日志，可以改成DEBUG；如果只关心错误，可以设成WARNING。
另外，建议设置格式和时间戳，比如：
立即学习“Python免费学习笔记（深入）”；
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s'
)这样每条日志都有时间、级别和内容，看起来清晰多了。
使用logger而不是直接调用logging
很多人习惯直接使用logging.info()这样的写法，但在实际项目中，尤其是多个模块协同工作时，应该使用logger对象。例如：
logger = logging.getLogger(__name__)
logger.info("This is an info log")好处有几个：
- 每个模块有自己的logger，便于区分来源
- 可以单独控制不同模块的日志级别
- 更容易添加handler、formatter等高级配置
举个例子，你有两个模块main.py和utils.py，分别获取各自的logger：
# main.py logger = logging.getLogger(__name__) # __name__ 是 'main' # utils.py logger = logging.getLogger(__name__) # __name__ 是 'utils'
之后你可以单独设置某个模块的日志级别，比如让utils输出DEBUG级别的日志，而main只输出INFO以上：
logging.getLogger('utils').setLevel(logging.DEBUG)把日志写入文件，同时保留控制台输出
开发时看控制台没问题，但上线后通常需要把日志保存下来。这时候就需要添加FileHandler。
一个典型的配置方式如下：
import logging
logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO)
# 控制台输出
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
# 文件输出
file_handler = logging.FileHandler('app.log')
file_handler.setLevel(logging.INFO)
# 设置格式
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
console_handler.setFormatter(formatter)
file_handler.setFormatter(formatter)
# 添加到logger
logger.addHandler(console_handler)
logger.addHandler(file_handler)这样你的日志就会同时出现在终端和文件里，结构清晰、方便查看。
注意：如果你用了多个handler，记得不要重复添加，否则可能出现日志重复打印的问题。可以通过logger.handlers检查当前绑定的handler。
此外，还可以考虑使用RotatingFileHandler或TimedRotatingFileHandler来实现日志滚动，避免单个日志文件过大或过久。
最后几点小建议
- 别忘了关闭DEBUG日志：上线前确保日志级别不是DEBUG，避免产生大量无用信息。
-
命名logger时尽量用模块名：像
logging.getLogger(__name__)这种做法能保证层级清晰。 - 避免在库代码中配置logging：作为第三方库开发者，不应该主动配置root logger，而是让使用者去统一管理。
- 可以用dictConfig做更复杂的配置：对于大型项目，用字典形式配置logging会更清晰、易维护。
基本上就这些。logging不算难，但细节不少，稍不注意就踩坑。掌握这几个关键点，基本就能应付大多数场景了。
