配置Python日志需先调用basicConfig设置级别、格式和输出位置，或创建Logger实例并添加Handler与Formatter以实现多目标输出；对于长期运行服务，应使用RotatingFileHandler或TimedRotatingFileHandler实现按大小或时间轮转日志文件。

H3 配置Python日志记录的基本方法

在Python中，logging 模块是内置的日志管理工具，使用它能有效记录程序运行过程中的信息。合理配置日志有助于调试和监控系统行为。

H3 使用 basicConfig 进行简单配置

最基础的配置方式是调用 logging.basicConfig()，可以在程序启动时一次性设置日志格式、输出位置和级别。

示例：

import logging
logging.basicConfig(
level=logging.INFO,                    # 设置最低记录级别
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
filename='app.log',                   # 日志写入文件
filemode='a'                          # 追加模式
)
使用日志
logging.info("程序启动")
logging.warning("这是一个警告")
logging.error("发生错误")

说明：

• level：控制哪些级别的日志会被记录（DEBUG
• format：定义日志输出格式，常用字段包括时间、日志器名、级别、消息内容
• filename：指定日志文件路径，不设置则默认输出到控制台
• filemode：'a' 表示追加，'w' 表示每次覆盖

H3 使用 Logger 对象实现更灵活控制

对于复杂项目，推荐创建独立的 Logger 实例，并添加 Handler 和 Formatter。

import logging
获取一个独立的日志器
logger = logging.getLogger('my_app')
logger.setLevel(logging.DEBUG)
避免重复输出（防止向上级传递）
logger.propagate = False
创建处理器：同时输出到文件和控制台
fh = logging.FileHandler('debug.log')
ch = logging.StreamHandler()
设置级别
fh.setLevel(logging.DEBUG)
ch.setLevel(logging.INFO)
定义格式
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(funcName)s - %(message)s')
fh.setFormatter(formatter)
ch.setFormatter(formatter)
添加处理器
logger.addHandler(fh)
logger.addHandler(ch)
使用
logger.debug("详细调试信息")
logger.info("普通提示")
logger.error("出错了！")

这种方式的优点：

• 可为不同模块分配不同的日志器
• 支持多个输出目标（文件、控制台、网络等）
• 每个输出可以有不同的格式和级别控制

H3 日志轮转（按大小或时间切割）

长时间运行的服务会产生大量日志，建议使用 RotatingFileHandler 或 TimedRotatingFileHandler 自动分割日志文件。

from logging.handlers import RotatingFileHandler
import os
按文件大小轮转
handler = RotatingFileHandler(
'app.log',
maxBytes=1010241024,   # 10MB
backupCount=5            # 保留5个备份
)

from logging.handlers import TimedRotatingFileHandler
import time
按时间轮转（每天一个文件）
handler = TimedRotatingFileHandler(
'app.log',
when='midnight',
interval=1,
backupCount=7,
encoding='utf-8'
)
文件名自动加上日期后缀
handler.suffix = "%Y-%m-%d"

基本上就这些。根据项目规模选择合适的配置方式，小项目用 basicConfig 就够了，大项目建议使用自定义 Logger + 多处理器的方式，便于维护和排查问题。