Python中异常与日志结合的核心是确保错误可追溯、可定位、可复盘，关键是在合适位置用logging.exception()记录含完整堆栈的异常信息，并按场景分级（ERROR/WARNING/INFO）记录，同时补充请求ID、用户ID等上下文。
Python中把异常和日志结合使用，核心是让错误可追溯、可定位、可复盘。关键不是“捕获所有异常”，而是“在合适的位置记录有意义的信息”。
用logging.exception()代替print(e)或str(e)
这是最常见也最容易被忽略的一步。当异常发生时，直接调用logging.exception()会自动记录异常类型、消息和完整堆栈（traceback），比手动logging.error(str(e))强得多。
-
正确写法：在
except块中直接写logging.exception("用户登录失败")，无需额外参数 -
错误写法：
logging.error(f"登录失败: {e}")——丢失堆栈，无法定位到哪一行出错 - 注意：
exception()只能在异常上下文中调用（即except块内），否则不会输出traceback
按场景分级记录：error、warning、info要各司其职
不是所有异常都该记为ERROR。日志级别混乱会导致真正的问题被淹没。
- ERROR：不可恢复的故障，比如数据库连接中断、关键API调用失败且无备选方案
- WARNING：可恢复但需关注的情况，比如第三方服务超时后走降级逻辑，或用户输入格式不规范但已做容错
-
INFO：不记录异常本身，但可记录“异常已被处理”的事实，例如
logging.info("支付回调重复，已忽略")
补充上下文，别只记“发生了什么”，还要记“谁/在哪/为什么”
光有堆栈不够。生产环境排查时，常需要知道请求ID、用户ID、接口路径、参数摘要等。
立即学习“Python免费学习笔记（深入）”；
- extra参数注入上下文：
logging.exception("订单创建失败", extra={"order_id": oid, "user_id": uid}) - LoggerAdapter或
Filter实现请求级上下文自动注入（如Web框架中绑定request_id）
避免日志爆炸：异常循环记录与重复捕获
同一异常在多层try-except中反复记录，既浪费IO，又干扰问题定位。
- raise），就不要记录
- except Exception:吞掉异常却不记录也不处理——这是静默失败，比报错更危险
- json.JSONDecodeError），明确捕获具体类型，避免宽泛捕获掩盖真实问题
异常日志不是越多越好，而是要每一条都有明确目的和可操作性。记录得清楚，才能查得快、修得准。
