python的logging模块可通过配置实现多场景日志管理。1. 导入logging模块并调用方法可记录日志，默认输出warning及以上级别，通过basicconfig设置level参数可调整输出范围；2. 使用format参数自定义日志格式，加入时间、级别、模块名等内容，并可通过filename参数将日志写入文件；3. 大型项目中应为不同模块创建独立logger，便于管理和调试，也可单独设置模块日志级别；4. 需要同时输出到控制台和文件时，应手动添加streamhandler和filehandler，并分别设定级别和格式，实现灵活的日志收集与展示。掌握这些配置后，即可高效使用logging模块满足各类项目需求。
Python自带的日志模块logging功能强大，但刚上手时配置起来有点绕。很多人一开始只是简单用一下print()调试代码，但一旦项目变大或者部署上线后，光靠print就不够用了。这时候就需要一个稳定、可配置、结构清晰的日志系统。
日志模块基本使用：别再只用print了
在Python中，最基础的日志记录方式就是导入logging模块并调用相应的方法：
import logging
logging.warning('这是一个警告信息')这样会在控制台输出一条日志，包含时间、级别、消息等内容。默认情况下，只有WARNING及以上级别的日志会被显示出来，比如ERROR和CRITICAL。
立即学习“Python免费学习笔记（深入）”；
你可以通过设置日志级别来控制输出范围：
logging.basicConfig(level=logging.DEBUG)
这样就能看到从DEBUG开始的所有日志。这个设置一般放在程序启动时执行一次就行。
配置日志格式：让日志信息更清晰
默认的输出格式比较简单，可能不满足实际需求。我们可以通过basicConfig来自定义日志格式：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
logging.basicConfig(
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
level=logging.INFO
)上面这段配置会显示时间戳、logger名称、日志级别和消息内容。如果你希望把日志写入文件而不是控制台，也可以加上filename参数：
logging.basicConfig(
filename='app.log',
filemode='a',
format='%(asctime)s - %(levelname)s - %(message)s',
level=logging.INFO
)注意filemode默认是'a'，表示追加写入。如果你想每次运行都覆盖旧日志，可以改成'w'。
多个模块使用日志：合理组织logger层级
在一个大型项目中，不同模块应该使用不同的logger，这样便于分类管理和定位问题。例如：
# module_a.py
import logging
logger = logging.getLogger(__name__)
logger.info("模块A开始工作")# module_b.py
import logging
logger = logging.getLogger(__name__)
logger.info("模块B开始工作")如果主程序设置了根logger的级别为INFO，这两个模块的日志都会正常输出。你还可以单独为某个模块设置级别：
logging.getLogger('module_a').setLevel(logging.WARNING)这样module_a就只会输出WARNING及以上的日志，而其他模块不受影响。
日志输出到多个地方：控制台+文件一起用
有时候你想让日志既显示在控制台又写入文件。这时就不能只用basicConfig了，需要手动添加多个Handler：
import logging
logger = logging.getLogger(__name__)
logger.setLevel(logging.DEBUG)
# 控制台输出
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
# 文件输出
file_handler = logging.FileHandler('debug.log')
file_handler.setLevel(logging.DEBUG)
# 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handler
logger.addHandler(console_handler)
logger.addHandler(file_handler)
# 测试日志
logger.debug('这是一条debug信息') # 只写入文件
logger.info('这是一条info信息') # 控制台和文件都有这样做的好处是不同渠道的日志级别可以分开控制，适合开发环境和生产环境的混合使用场景。
基本上就这些。Python的logging模块虽然刚开始有点复杂，但只要掌握了基本配置方式，就可以灵活应对各种项目需求了。
