python中推荐使用内置的logging模块实现日志记录，其核心在于模块化设计，包含logger、handler、formatter和filter四个组件。logging模块支持多种日志级别（debug、info、warning、error、critical），用于区分消息的重要性，控制日志输出的精细度。要同时将日志输出到控制台和文件，需为记录器添加多个处理器（streamhandler和filehandler），分别设置不同的日志级别和格式器，从而实现灵活的日志管理。
Python中实现日志记录，最标准也最推荐的方式就是使用其内置的 logging 模块。它提供了一个强大且灵活的框架，让你能够精细地控制日志消息的级别、输出目的地（比如控制台、文件、网络）以及它们的格式。这远比简单的 print() 语句高效和专业，尤其是在你需要追踪程序运行状态、调试问题或进行审计时，日志系统是不可或缺的。它允许你将日志消息从生成、处理到最终输出的整个流程进行解耦，从而实现高度的可配置性。
当你开始一个项目，特别是规模稍大一点的，日志记录绝对不是一个可有可无的选项。它就像是程序的“黑匣子”，在出现问题时能帮你快速定位。最基础的用法，你可能直接 print() 就完了，但那很快就会变得一团糟。logging 模块的精髓在于它的模块化设计，它把日志的生成、处理和输出分开了。
一个日志系统通常由几个核心组件构成：
立即学习“Python免费学习笔记（深入）”；
- Logger（记录器）: 这是你程序中产生日志消息的入口。你可以为不同的模块或功能创建不同的记录器，这样就能更细致地控制它们的日志行为。
- Handler（处理器）: 负责将日志消息发送到指定的位置，比如控制台、文件、网络甚至邮件。你可以给一个记录器添加多个处理器。
- Formatter（格式器）: 定义日志消息的输出格式，比如包含时间戳、日志级别、文件名等信息。
- Filter（过滤器）: 在日志消息被处理器处理之前，可以根据特定条件筛选消息。
最简单的日志记录可能就是这样：
import logging
# 默认情况下，logging模块会输出到控制台，级别是WARNING及以上
logging.warning("这是一个警告信息，默认会被打印出来。")
logging.info("这是一个信息，默认不会被打印出来，因为级别低于WARNING。")
# 如果你想看到所有级别的日志，需要配置一下
# basicConfig 适合简单的脚本或应用启动时的快速配置
logging.basicConfig(level=logging.DEBUG,
format='%(asctime)s - %(levelname)s - %(message)s')
logging.debug("现在，调试信息也能看到了！")
logging.info("普通信息也能看到了。")
logging.error("哦，出错了！")basicConfig 是一个快速设置根记录器的方法，适合简单的脚本。但实际项目中，你可能需要更精细的控制，比如为不同的模块设置不同的日志级别，或者将日志输出到多个地方。
Python日志记录中，不同日志级别有什么作用？
日志级别，说白了就是给日志消息打个“重要性标签”。这对于管理日志量，以及快速筛选出你真正关心的信息至关重要。我个人觉得，合理利用级别是日志管理的第一步，也是最容易被忽视的一步。它能帮助你区分哪些是调试细节，哪些是常规操作，哪些是需要立即关注的问题。
logging 模块提供了以下标准级别（从低到高）：
-
DEBUG: 最详细的调试信息，通常只在开发阶段使用，用于追踪程序执行的每一步。比如，一个变量在某个点的具体值。 -
INFO: 程序正常运行时的信息，用于确认程序按预期工作。例如，“用户登录成功”、“数据处理完成”等，这些是业务流程中的关键节点。 -
WARNING: 发生了意料之外但程序仍能继续运行的情况。这通常意味着可能存在潜在问题，但还不至于导致功能失效，比如“配置文件未找到，使用默认设置”。 -
ERROR: 发生了比较严重的错误，导致某些功能无法正常执行，但程序可能不会崩溃。这通常需要开发人员介入检查。 -
CRITICAL: 发生了极其严重的错误，可能导致程序崩溃或无法继续运行，需要立即关注和处理。例如，数据库连接失败、关键服务不可用。
当一个记录器被设置为某个级别时，它只会处理该级别或更高级别的消息。例如，如果记录器级别是 INFO，那么 DEBUG 级别的消息就不会被处理。这就像一个过滤器，可以帮你过滤掉那些你暂时不关心的“噪音”，让你能专注于当前需要解决的问题。
如何将Python日志同时输出到控制台和文件？
在实际开发中，我们经常需要将日志既打印到控制台方便实时查看，又写入文件以便后续分析或审计。这在 logging 模块里实现起来非常直观，只需要给你的记录器添加多个处理器（Handler）就行了。这种多处理器配置是 logging 模块灵活性的一个典型体现。
我通常会这么做：先获取一个记录器实例，然后创建 StreamHandler 和 FileHandler，并把它们都添加到这个记录器上。别忘了给它们设置格式器，不然日志看起来会很乱，缺乏可读性。
import logging
# 1. 获取一个记录器实例，通常推荐使用模块名作为记录器名称
# 这样可以很方便地通过名称来管理和配置不同模块的日志
logger = logging.getLogger('my_app_logger') # 给记录器一个有意义的名字
logger.setLevel(logging.DEBUG) # 设置记录器的最低处理级别，这里是DEBUG，表示所有DEBUG及以上级别的日志都会被记录器处理
# 2. 创建一个StreamHandler，用于输出到控制台
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO) # 控制台只显示INFO及以上级别的日志，过滤掉DEBUG
# 3. 创建一个FileHandler，用于输出到文件
# 日志文件名为 'my_application.log'
file_handler = logging.FileHandler('my_application.log', encoding='utf-8')
file_handler.setLevel(logging.DEBUG) # 文件中记录所有DEBUG及以上级别的日志，方便详细追溯
# 4. 定义日志的输出格式
# 包括时间、记录器名称、日志级别、以及日志消息本身
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# 5. 为处理器设置格式器
console_handler.setFormatter(formatter) 
