Python logging模块需定制化配置才能高效使用，核心是理解logger、Handler、Formatter、Filter协作逻辑，通过代码、字典或配置文件设置日志级别、输出目标与格式。
Python 的 logging 模块是标准库中功能完备、灵活可控的日志工具，无需额外安装，但默认配置过于简单，直接使用往往只能输出到控制台且格式单一。要真正用好它，关键在于理解层级结构、处理器（Handler）、格式器（Formatter）和过滤器（Filter）的协作逻辑，并通过代码或配置文件完成定制化设置。
日志级别与基本用法
logging 定义了 5 个标准级别（由低到高）：DEBUG、INFO、WARNING、ERROR、CRITICAL。每条日志必须指定级别，系统只输出等于或高于当前设定阈值的日志。
- 默认根 logger 的级别是 WARNING，所以
logging.debug("test")不会显示 - 调用
logging.basicConfig(level=logging.DEBUG)可快速启用全级别输出（仅对根 logger 有效，且必须在首次记录前调用） - 推荐显式获取 logger：
logger = logging.getLogger(__name__)，避免污染全局根 logger
Handler：决定日志“去哪”
Handler 控制日志的输出目标。一个 logger 可绑定多个 handler，实现同时写文件+发邮件+推 Slack 等组合操作。
-
StreamHandler(sys.stdout)：输出到终端（默认行为） -
FileHandler("app.log", encoding="utf-8")：追加写入文本文件 -
RotatingFileHandler("app.log", maxBytes=10*1024*1024, backupCount=5)：按大小轮转，最多保留 5 个旧文件 -
TimedRotatingFileHandler("app.log", when="midnight", interval=1, backupCount=7)：按天切分，保留最近 7 天
Formatter：定义日志“长啥样”
Formatter 用字符串模板控制每条日志的格式。常用占位符包括：
Json Schema Toolkit
下载
使用 JSON Schema 验证 JSON 数据，从示例 JSON 生成 schema，并将其转换为 TypeScript 接口、Python 数据类或 Markdown 文档。
立即学习“Python免费学习笔记（深入）”；
-
%(asctime)s：时间戳（需配合datefmt参数调整格式，如"%Y-%m-%d %H:%M:%S"） -
%(levelname)s：日志级别（INFO、ERROR 等） -
%(name)s：logger 名称（即getLogger("xxx")中的 "xxx"） -
%(funcName)s：函数名、%(lineno)d：行号、%(message)s：实际内容
示例格式：%(asctime)s | %(levelname)-8s | %(name)s | %(funcName)s:%(lineno)d | %(message)s
配置方式：代码 vs 字典 vs 文件
三种主流配置方式，按推荐度排序：
-
字典配置（dictConfig）：最清晰、易维护、支持复杂嵌套，适合中大型项目。用
logging.config.dictConfig(config_dict)加载 -
配置文件（ini/json/yaml）：把配置抽离为外部文件，便于运维修改。用
fileConfig()或dictConfig(yaml.safe_load(...)) - 代码逐项设置：适合简单脚本或调试阶段，但易冗长，不推荐用于生产环境
无论哪种方式，核心都是围绕 logger → handler → formatter 三级链路进行组装，理清这个流向，配置就不再混乱。
