Python 排查脚本错误：用 logging 保留异常堆栈

批处理脚本报错时，一句“处理失败”通常不够。我们还需要知道失败发生在哪个函数、哪一行，以及异常经过了怎样的调用路径。Python 标准库 logging 可以把这些信息放进日志，无需额外依赖。下面用一个可运行的小例子说明配置位置、异常记录和重复日志三个常见问题。

只记录异常文字，会丢掉定位线索

logger.error("失败：%s", exc) 会写出异常的文字，但默认不附带堆栈。两处代码都可能抛出相同的 ValueError，仅靠文字无法区分调用路径。在 except 块中改用 logger.exception(...)，就能以 ERROR 级别记录当前异常及 traceback。

import logging

logger = logging.getLogger(__name__)

def parse_count(text):
    return int(text)

def main():
    logging.basicConfig(
        level=logging.INFO,
        format="%(levelname)s %(name)s %(message)s",
    )
    logger.info("开始处理批次 batch-001")
    try:
        count = parse_count("abc")
    except ValueError:
        logger.exception("批次 batch-001 的数量格式无效")
        return 1
    logger.info("处理完成，数量=%d", count)
    return 0

if __name__ == "__main__":
    raise SystemExit(main())

保存后运行，日志会包含开始信息、错误说明、以 Traceback 开头的堆栈，以及最终的 ValueError。示例捕获的是数量格式错误，返回状态码 1；它没有继续执行成功分支。若输入改为 "12"，则记录成功信息并返回 0。logging 默认输出到标准错误流，终端中看到日志不代表程序使用了 print。

exception 应放在处理异常的位置

logger.exception("处理失败") 可理解为 ERROR 日志加上 exc_info=True。它读取当前正在处理的异常，因此应放在 except 块内。离开异常处理上下文后再调用，通常无法得到想要的堆栈，甚至只留下 NoneType: None。

也可以在 except 内使用 logger.error("处理失败", exc_info=True)，两者在这里都能保留异常信息。是否重新抛出异常则是另一项决定：命令行入口可以返回非零状态码；库函数常常应让上层决定如何处理。避免每一层都记录再抛出，否则同一次失败会出现多份相似堆栈。

配置一次，模块只取得自己的 logger

把 basicConfig 放在应用入口，让业务模块使用 getLogger(__name__)。模块名会进入日志，便于区分来源。不要在每次处理请求或每次调用函数时创建并添加 StreamHandler；反复添加处理器会让一条消息输出多次。

默认情况下，模块 logger 的记录会向祖先传播。如果同时给模块 logger 和根 logger 添加处理器，也可能重复输出。先检查处理器配置与 propagate，再决定是否调整，不要看到重复就直接关闭所有传播。

日志仍需控制内容与级别

示例把默认级别设为 INFO，因此 DEBUG 信息不会显示。排障时可以临时调整级别。使用 logger.info("数量=%d", count) 这种参数形式，格式化可延迟到确实需要输出时；但传入参数前执行的函数调用依然会发生，昂贵计算仍要单独判断是否必要。

记录脱敏的批次号和操作阶段，通常比打印整份输入更有帮助。异常文字本身也可能带上输入值，因此密码、令牌、完整个人资料不能直接进入异常或日志。日志是否足够好，关键在于能否据此定位失败，同时让成功、失败和退出状态保持一致。