print是临时调试手段，Logging是可配置、可持久、可分级的正式日志工具；核心区别在于输出目标、级别控制、格式化能力及生产环境适应性。
python 中 print 是临时调试手段，logging 是可配置、可持久、可分级的正式日志工具——核心区别不在“能不能输出”，而在“谁在看、什么时候看、看到什么、是否保留”。
输出目标与灵活性
print 默认只写到终端（stdout），改目标得手动重定向；logging 天然支持多目标：控制台、文件、网络、甚至数据库。只需几行配置，就能让 INFO 级日志进文件、Error 进邮件、DEBUG 仅本地显示。
- print 示例：
print("user_id=123, status=ok")—— 无法关闭，无法分级别，上线后删不干净就成隐患 - logging 示例：
logging.warning("User login failed: %s", user_id)—— 级别明确，格式统一，开关靠setLevel()一行搞定
日志级别与条件控制
print 没有级别概念，所有输出一视同仁；logging 内置 DEBUG / INFO / WARNING / ERROR / CRITICAL 五级，配合 logger 级别和 handler 级别，能精准过滤。
- 开发时设
logger.setLevel(logging.DEBUG)，看到全部细节 - 上线时调为
WARNING，自动屏蔽低优先级日志，不改代码 - 不同模块可设不同级别，比如数据库模块开 DEBUG，前端路由只留 ERROR
格式、上下文与可维护性
print 输出纯文本，时间、模块名、行号全靠手拼，易出错也难统一；logging 用 Formatter 自动注入时间戳、函数名、行号、进程/线程 ID，还支持结构化字段（如 json 格式）。
立即学习“Python免费学习笔记（深入）”；
- print 手动加时间：
print(f"[{time.time()}] Processing {item}")—— 每次都要写，格式不一致 - logging 标准化：
%(asctime)s %(name)s %(levelname)s %(message)s—— 配一次，全局生效 - 还能自动记录异常堆栈：
logger.error("DB timeout", exc_info=True)，print 做不到
生产环境适应性
print 在多进程、异步（asyncio）、容器化（docker）或日志采集系统（elk、sentry）中基本不可用；logging 支持进程安全的文件写入、异步 handler、结构化输出，是运维和监控链路的标准输入源。
- Docker 容器里 print 输出可能被缓冲或丢失，logging 配
StreamHandler(sys.stdout)并设flush=True更可靠 - 微服务中，用
logging.getLogger(__name__)自动带模块路径，方便追踪来源 - 配合
dictConfig或fileConfig，日志行为可完全外部配置，无需动代码
print 适合 30 秒快速验证变量值；logging 是你写给未来自己、同事和运维人员的说明书——它不替代 print，但一旦项目走出本地脚本阶段，就该让它成为默认选择。