在Python开发过程中，调试是定位问题的核心环节，开发者常常需要在print和logging两种输出调试信息的方式中做出选择，两种方式各有特点，适用场景也存在明显差异。
print 的基本使用与特点
print是Python中最基础的输出函数，几乎所有初学者都会用它来调试代码。它的使用方式非常简单，直接传入需要输出的内容即可。
# 简单使用print调试
def add(a, b):
print("传入的参数a是:", a) # 输出参数值
print("传入的参数b是:", b)
result = a + b
print("计算结果是:", result)
return result
add(1, 2)
print的优势非常明显：语法简单，不需要额外配置，能快速输出当前变量状态、执行流程等信息，适合临时、小范围的调试场景。但它也存在不少局限性：
- 没有日志级别区分，所有输出都会直接打印，无法过滤不同重要程度的信息
- 输出内容无法持久化，程序重启后之前的调试信息就会丢失
- 生产环境中如果需要关闭调试输出，需要手动删除所有print语句，维护成本高
- 无法自定义输出格式，也没有时间戳等辅助信息，排查问题时不够方便
logging 的基本使用与特点
logging是Python标准库内置的日志模块，提供了更完善的日志管理能力，不需要额外安装第三方库即可使用。
import logging
# 基础配置，设置输出级别和格式
logging.basicConfig(
level=logging.DEBUG, # 设置日志级别为DEBUG，低于该级别的日志不会输出
format='%(asctime)s - %(levelname)s - %(message)s' # 自定义输出格式，包含时间、级别、内容
)
def subtract(a, b):
logging.debug("传入的参数a是: %s", a)
logging.debug("传入的参数b是: %s", b)
result = a - b
logging.info("计算结果是: %s", result)
return result
subtract(5, 3)
logging的核心优势在于其灵活性和可扩展性：
- 支持分级日志，从低到高分为DEBUG、INFO、WARNING、ERROR、CRITICAL五个级别，可以根据场景过滤输出
- 支持多种输出目标，既可以输出到控制台，也可以写入文件，甚至可以发送到远程服务器
- 可以自定义输出格式，添加时间戳、模块名、行号等辅助信息，方便定位问题
- 生产环境只需要调整日志级别，就可以关闭调试日志，不需要修改业务代码
两者的适用场景对比
为了更清晰地展示两种方式的适用场景，我们可以通过表格进行对比：
| 对比维度 | logging | |
|---|---|---|
| 使用复杂度 | 极低，无需配置 | 中等，需要基础配置 |
| 日志级别 | 无 | 支持5个级别 |
| 持久化能力 | 无，仅临时输出 | 支持写入文件等持久化方式 |
| 生产环境适配性 | 差，需要手动删除 | 好，调整级别即可 |
| 适用场景 | 临时、小范围调试 | 长期调试、生产环境日志、复杂项目 |
选择建议
如果是临时调试小段代码，比如验证某个函数的返回值、查看循环中的变量变化，使用print会更高效，不需要额外配置就能快速得到结果。
如果是开发正式项目，尤其是需要长期维护、可能部署到生产环境的项目，优先选择logging。可以在开发阶段将日志级别设为DEBUG，输出详细的调试信息；上线后调整为INFO或WARNING级别，只保留重要的运行日志，既不影响问题排查，也不会产生过多无用输出。
另外需要注意，不要在logging的日志内容中直接使用print风格的字符串拼接，应该使用参数传递的方式，避免不必要的字符串格式化开销，比如logging.debug("参数是: %s", var)而不是logging.debug("参数是: " + str(var))。