Python项目开发实战：如何使用Logging模块实现高效日志管理

一、前言

在日常的软件开发过程中，日志管理是一个非常重要但又容易被初学者忽略的环节。无论是开发一个简单的 Python 脚本，还是构建一个大型 Web 项目，我们都需要通过日志来记录程序的运行状态、异常信息以及关键业务操作。

很多刚接触 Python 的开发者习惯使用print()函数输出程序运行信息。这种方式虽然简单，但是当项目规模逐渐扩大时，就会暴露出很多问题。例如，无法区分日志级别、无法将日志保存到文件、无法灵活控制输出格式，也不方便后期排查程序错误。

Python 内置了一个非常实用的日志管理模块——logging。通过它，我们可以轻松实现日志分级、文件记录、异常追踪以及日志格式自定义。

本文将通过实际代码案例，介绍如何在 Python 项目中使用 logging 模块构建一套简单、实用的日志管理系统。

二、Python Logging模块简介

Python 的 logging 是标准库中的一个模块，不需要额外安装第三方依赖，直接导入即可使用。

它主要提供以下几种日志级别：

在实际开发中，我们可以根据项目需求设置不同的日志级别。例如，在开发环境中使用 DEBUG 级别，方便查看详细运行信息；在生产环境中使用 INFO 或 WARNING 级别，避免产生过多无用日志。

三、最基础的Logging使用方法

首先，我们来看一个最简单的例子。

import logging # 设置日志基础配置 logging.basicConfig( level=logging.DEBUG, format="%(asctime)s - %(levelname)s - %(message)s" ) logging.debug("这是一条调试信息") logging.info("程序启动成功") logging.warning("当前配置存在风险") logging.error("程序执行出现错误") logging.critical("发生严重错误")

运行代码后，可以看到控制台输出类似下面的内容：

2026-11-04 10:00:00 - DEBUG - 这是一条调试信息 2026-11-04 10:00:00 - INFO - 程序启动成功 2026-11-04 10:00:00 - WARNING - 当前配置存在风险 2026-11-04 10:00:00 - ERROR - 程序执行出现错误 2026-11-04 10:00:00 - CRITICAL - 发生严重错误

通过简单的几行代码，我们就可以实现日志输出。

其中，level用于设置日志级别，format用于定义日志格式。asctime表示日志产生的时间，levelname表示日志级别，message表示具体的日志内容。

四、实现日志写入文件

在真实项目中，仅仅将日志输出到控制台是不够的。因为程序关闭后，控制台中的信息可能无法继续查看。因此，我们通常需要将日志保存到本地文件中。

下面是一个简单的实现案例：

import logging logging.basicConfig( level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s", filename="app.log", filemode="a", encoding="utf-8" ) logging.info("用户登录成功") logging.warning("检测到异常请求") logging.error("数据库连接失败")

这里需要注意几个参数：

• filename：指定日志文件名称。

• filemode：文件打开模式，a表示追加写入，w表示覆盖写入。

• encoding：指定文件编码，避免中文日志出现乱码。

运行程序后，当前目录中会自动生成一个app.log文件，所有符合日志级别要求的信息都会被写入文件。

五、进阶操作：实现日志自动轮转

当项目长期运行时，日志文件可能会越来越大。如果一直将日志写入同一个文件，不仅会占用大量磁盘空间，也会增加后期查看和管理的难度。

这时候可以使用 Python 提供的RotatingFileHandler，实现日志文件自动轮转。

示例代码：

import logging from logging.handlers import RotatingFileHandler # 创建日志记录器 logger = logging.getLogger("my_project") logger.setLevel(logging.DEBUG) # 创建日志文件处理器 handler = RotatingFileHandler( "app.log", maxBytes=1024 * 1024, backupCount=3, encoding="utf-8" ) # 设置日志格式 formatter = logging.Formatter( "%(asctime)s - %(levelname)s - %(message)s" ) handler.setFormatter(formatter) # 添加处理器 logger.addHandler(handler) # 输出测试日志 for i in range(1000): logger.info("当前正在处理第 %d 条数据", i) print("日志记录完成！")

这段代码实现了一个简单的日志自动轮转功能。

其中：

1. maxBytes表示单个日志文件的最大容量，这里设置为 1MB。

2. backupCount表示最多保留几个历史日志文件。

3. 当当前日志文件达到指定容量后，系统会自动创建新的日志文件。

这种方式特别适合长期运行的后台服务、定时任务以及数据处理程序。

六、实际项目中如何记录异常信息

在程序开发中，异常处理是非常重要的一部分。

例如，当程序连接数据库失败、读取文件异常或者调用第三方接口失败时，我们不仅需要捕获异常，还需要记录详细的错误信息，方便后续定位问题。

可以使用 logging 的exception()方法：

import logging logging.basicConfig( level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s", filename="error.log", encoding="utf-8" ) def read_file(filename): try: with open(filename, "r", encoding="utf-8") as file: content = file.read() logging.info("文件读取成功：%s", filename) return content except FileNotFoundError: logging.exception("文件不存在：%s", filename) except Exception: logging.exception("读取文件时发生未知异常") return None result = read_file("test.txt")

这里使用了logging.exception()，它不仅能够输出自定义错误信息，还可以自动记录当前异常的堆栈信息。

相比于简单地使用print()输出错误原因，这种方式能够提供更多有价值的排查信息。

需要注意的是，logging.exception()通常应该在异常处理代码块中使用，这样才能获得对应的异常堆栈信息。

七、项目开发中的一些实用建议

通过上面的代码示例，我们已经掌握了 Python logging 模块的基本用法。不过，在实际项目中，还需要注意以下几个问题：

1. 不要过度使用 print()

对于正式项目，建议尽量使用 logging 替代 print。日志模块能够提供统一的日志格式和级别管理，方便后期维护。

2. 合理设置日志级别

不要将所有信息都设置成 ERROR，也不要将大量普通运行信息设置成 WARNING。合理区分日志级别，可以提高排查效率。

3. 避免重复添加日志处理器

在多模块项目中，如果每个模块都重复创建并添加 Handler，可能导致相同日志被输出多次。因此，建议统一配置日志系统，各模块通过logging.getLogger()获取对应的记录器。

4. 注意敏感信息保护

日志中不要直接记录用户密码、访问令牌、身份证号码等敏感信息。在涉及用户隐私和业务安全的项目中，需要对日志内容进行适当处理。

5. 定期清理历史日志

即使使用了日志轮转，也应该结合服务器磁盘空间和项目运行情况制定日志保留策略。

八、总结

日志管理是软件开发过程中非常基础但又非常重要的一项技术。一个设计合理的日志系统，不仅能够帮助开发人员快速定位程序问题，还能提高项目的可维护性和运行稳定性。

本文从 Python logging 模块的基础使用开始，逐步介绍了日志级别设置、日志文件保存、日志自动轮转以及异常信息记录等实用功能。

对于个人开发者来说，掌握这些知识已经能够满足很多日常 Python 项目的需求。对于企业级项目，还可以进一步结合配置文件、日志集中收集系统以及 ELK 等技术，实现更加完善的日志管理体系。

技术学习最重要的不是记住多少 API，而是能够将学到的知识应用到真实项目中。建议大家可以自己动手运行本文中的代码，并尝试将日志管理功能集成到自己的 Python 项目中。

如果你觉得本文对你有所帮助，欢迎点赞、收藏和评论交流。后续也会继续分享更多 Python 编程、项目开发和软件工程方面的实战经验。