不要再用 print() 了！Python logging 库才是调试的终极武器

大家好，今天咱们来聊一个能直接让你少掉几根头发的神器------Python logging 库。

你是不是经常这样：代码写到一半，逻辑有点乱，于是手一抖，敲下了熟悉的 print("debug...")。结果越写越乱，满屏幕的输出让人眼睛花；调试完还得一个个删掉，不删吧心里不踏实，删吧又怕删漏。最后，整个人被"print调试"折磨到怀疑人生。

别问我为什么懂，我也曾是 print() 调试的受害者。

后来，我遇到了 logging 库，那一刻我才发现：原来调试也能这么优雅！

今天，我就带你彻底搞懂 logging 库------从入门到进阶，从基础配置到自定义类。保证你看完之后，代码调试思路清爽到飞起，再也不用和 print() 苦苦纠缠。

1. 为什么 print() 不够用？

说实话，print() 并不是完全没用，它就像炒菜时的"生抽"，偶尔点缀一下能提味。

但是！如果你把整道菜全靠"生抽"撑着，那只会变成一锅咸汤。

举个例子：你写了 200 行代码，里面夹杂了 30 个 print()，运行的时候屏幕刷得比股市行情还快。调试完你还得手动删除，万一漏掉几个，可能上线之后还傻乎乎地往控制台狂输出。

更要命的是，print() 输出的内容一锅乱炖，没有级别、没有格式，查问题的时候就像在大海捞针。

而 logging 库 就不一样了，它能帮你：

分级别输出日志：调试信息、警告、错误一清二楚。
定义输出格式：带时间、带模块名，看着就舒服。
保存到文件：以后回溯问题，不用苦逼地翻控制台历史。
多路输出：想控制台看，还是文件看，随便你。

一句话总结：logging 是调试的艺术，print 只是临时凑合。

2. logging 的"Hello World"

先别怕复杂，我们从最简单的例子开始。

python 复制代码

import logging

# 设置基本配置，日志级别为DEBUG
logging.basicConfig(level=logging.DEBUG)

# 输出一条INFO级别的日志
logging.info('这是一条信息日志')

# 输出一条DEBUG级别的日志
logging.debug('这是一条调试日志')

# 输出一条WARNING级别的日志
logging.warning('这是一条警告日志')

# 输出一条ERROR级别的日志
logging.error('这是一条错误日志')

# 输出一条CRITICAL级别的日志
logging.critical('这是一条严重错误日志')

运行一下，输出类似这样：

less 复制代码

INFO:root:这是一条信息日志
DEBUG:root:这是一条调试日志
WARNING:root:这是一条警告日志
ERROR:root:这是一条错误日志
CRITICAL:root:这是一条严重错误日志

看到没？光是比 print()，它就已经高级太多了。

这里有个重点：日志级别是有优先级的，从低到高分别是： DEBUG < INFO < WARNING < ERROR < CRITICAL。

比如你把日志级别设置成 ERROR，那么 DEBUG、INFO、WARNING 就不会输出，只有 ERROR 和 CRITICAL 才会被打印出来。是不是很灵活？

3. 日志级别背后的"小心机"

有同学可能会问：这些日志级别到底该怎么用？

我来给你套个生活里的比喻：

DEBUG：就像你在厨房里自言自语，"这火是不是小了点？再放点盐试试。"------全是内部小碎碎念。
INFO：类似你对朋友说："这道菜大体还行，能吃。"------正常的状态汇报。
WARNING：就像你妈在旁边提醒你："油烟太大，小心呛着。"------不致命，但要注意。
ERROR：相当于你炒菜时锅糊了，菜还能救，但味道打折。
CRITICAL：锅直接着火了，别炒了，赶紧灭火吧！

是不是一下就记住了？

4. 给日志加点"排面"：自定义格式

默认日志的样子有点单调，光是 INFO:root:xxx 难免乏味。

logging 支持自定义格式，比如加上时间、日志级别、消息内容，看着更清晰：

ini 复制代码

import logging

# 设置日志格式
logging.basicConfig(level=logging.DEBUG,
                    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')

logging.debug('这是一条调试日志')
logging.info('这是一条信息日志')

输出效果：

yaml 复制代码

2025-01-12 10:23:56,123 - root - DEBUG - 这是一条调试日志
2025-01-12 10:23:56,124 - root - INFO - 这是一条信息日志

是不是更有"专业感"了？在公司项目里，这种带时间戳的日志特别重要，出了问题直接一眼能定位是哪一刻发生的。

5. 日志写入文件：让 Bug 留下"案底"

现实场景里，光看控制台不够。你下班了，服务器还在跑，出了问题你也得有证据。

这时候，就要把日志写到文件里：

ini 复制代码

import logging

# 将日志记录到文件
logging.basicConfig(level=logging.DEBUG,
                    filename='app.log',
                    format='%(asctime)s - %(levelname)s - %(message)s')

logging.info('这条日志会被写入到文件中')

运行完后，你会发现当前目录下多了一个 app.log 文件，里面乖乖地躺着日志。

这就是"案底"。哪怕你过几天才回头看，也能找到问题发生的全过程。

6. 高级玩法：多处理器 + 格式化

如果你想要"既输出到控制台，又保存到文件"，那就得用到 logger、handler、formatter 这套组合拳了。

看代码：

ini 复制代码

import logging

# 创建logger对象
logger = logging.getLogger('my_logger')
logger.setLevel(logging.DEBUG)

# 创建一个控制台处理器
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)

# 创建一个文件处理器
file_handler = logging.FileHandler('my_log.log')
file_handler.setLevel(logging.DEBUG)

# 创建formatter并将其设置到处理器
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
console_handler.setFormatter(formatter)
file_handler.setFormatter(formatter)

# 将处理器添加到logger
logger.addHandler(console_handler)
logger.addHandler(file_handler)

# 测试日志输出
logger.debug('调试信息')
logger.info('普通信息')
logger.warning('警告信息')

这样，你就能一边在控制台看实时日志，一边在文件里存历史记录，互不耽误。

这可是大型项目的标配操作。

7. 封装一个属于自己的 Log 类

到这里，你可能觉得配置 handler、formatter 有点繁琐。

没关系，我们可以自己封装一个 Log 类，把这些细节都打包好，直接复用。

python 复制代码

import logging

class Log:
    def __init__(self, name="my_logger", level=logging.DEBUG, log_file="app.log"):
        """
        初始化日志器
        :param name: 日志器名称
        :param level: 日志级别
        :param log_file: 日志输出文件
        """
        # 创建logger对象
        self.logger = logging.getLogger(name)
        self.logger.setLevel(level)
        
        # 创建一个控制台处理器
        console_handler = logging.StreamHandler()
        console_handler.setLevel(logging.INFO)
        
        # 创建一个文件处理器
        file_handler = logging.FileHandler(log_file)
        file_handler.setLevel(level)
        
        # 创建formatter并将其设置到处理器
        formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
        console_handler.setFormatter(formatter)
        file_handler.setFormatter(formatter)
        
        # 将处理器添加到logger
        self.logger.addHandler(console_handler)
        self.logger.addHandler(file_handler)
    
    def debug(self, message):
        """记录DEBUG级别日志"""
        self.logger.debug(message)
    
    def info(self, message):
        """记录INFO级别日志"""
        self.logger.info(message)
    
    def warning(self, message):
        """记录WARNING级别日志"""
        self.logger.warning(message)
    
    def error(self, message):
        """记录ERROR级别日志"""
        self.logger.error(message)
    
    def critical(self, message):
        """记录CRITICAL级别日志"""
        self.logger.critical(message)
    
# 测试自定义Log类
if __name__ == "__main__":
    log = Log(name="custom_logger", level=logging.DEBUG, log_file="custom_log.log")
    log.debug("这是一条调试日志")
    log.info("这是一条信息日志")
    log.warning("这是一条警告日志")
    log.error("这是一条错误日志")
    log.critical("这是一条严重错误日志")

这样一来，你以后想打日志，就只需要：

lua 复制代码

log.info("程序启动成功")
log.error("数据库连接失败")

是不是干净利落？

8. logging 的实战价值

说到这里，有人可能会问： "我只是写个小脚本，用 print 也没啥啊？"

没错，小脚本用 print 确实够了。

但是，一旦你进入 团队协作、线上项目、数据分析平台 这些场景，你就会发现：

领导要看系统是否正常运行，得靠 INFO 日志。
出问题时，开发要查 DEBUG 日志找原因。
安全部门要追踪系统异常，得用 ERROR 和 CRITICAL 日志。

换句话说，logging 是 专业开发者的基本功，它不仅仅是"调试工具"，更是"系统的眼睛"。

9. 小结：从 print 到 logging 的升级

今天我们学了：

为什么 print 不够用，logging 更优雅。
logging 的基本用法和日志级别。
如何自定义日志格式，让输出更清晰。
如何把日志保存到文件，留"案底"。
用 handler + formatter 搭建复杂日志系统。
封装一个 Log 类，优雅复用。

如果说 print() 是自行车，那么 logging 就是汽车。一开始可能需要学点"驾驶技巧"，但一旦上手，速度、稳定性、安全性都不是一个量级。

所以，下次你再写 Python 代码的时候，别再傻乎乎用 print 满屏乱飞了。试试 logging，让调试优雅起来！

最后抛个问题： 👉 你现在项目里还在用 print 调试吗？还是已经切换到 logging 了？

欢迎在评论区聊聊，我想听听你的故事。