在日常编程中，我们经常需要打印复杂的数据结构——嵌套的字典、列表、JSON 响应、配置对象等。使用普通的print()会将整个结构挤在一行或简单换行，导致可读性极差，尤其是在调试多层嵌套的 API 返回数据时，简直是一场灾难。pprint模块（Pretty Printer）正是为了解决这一问题而诞生的。它能够将 Python 对象以一种美观、缩进对齐、可读性强的格式输出，并且自动处理递归结构、限制深层展示、支持宽度控制。在实际生活中，这就像把杂乱无章的衣柜整理得井井有条——当你需要理解复杂的配置文件、分析爬虫抓取的嵌套数据、向同事展示数据结构样例，甚至只是调试自己的代码时，pprint都能让你的控制台输出变得清晰如一封排版优美的信件。
一、安装库
pprint是 Python 标准库，无需额外安装。直接导入即可：
python
from pprint import pprint, pformat
通常使用pprint()直接打印，或pformat()返回格式化后的字符串以供日志记录。
二、基本用法
下面通过 4 个小步骤掌握pprint的核心使用。
1. 简单打印嵌套结构
对比普通print与pprint的输出差异：
python
from pprint import pprint data = { "name": "Alice", "age": 30, "address": { "street": "123 Main St", "city": "Springfield", "coordinates": {"lat": 40.123, "lng": -74.456} }, "hobbies": ["reading", "coding", "hiking"], "metadata": {"created": "2024-01-01", "version": 1.2} } print("普通 print:") print(data) print("\npprint 输出:") pprint(data)pprint会智能换行、缩进，使得结构一目了然。
2. 控制输出宽度
通过width参数调整每行最大字符数（默认 80）：
python
pprint(data, width=40) # 更窄的宽度，强制更多换行
3. 设置缩进深度
indent参数控制每一层的缩进空格数（默认 1）：
python
pprint(data, indent=4) # 每层缩进4个空格
4. 限制嵌套层级
depth参数可以截断过深的嵌套：
python
deep = [1, [2, [3, [4, [5]]]]] pprint(deep, depth=3) # 最深只显示三层，更深用 '...' 表示
三、高级用法
使用pformat()获取字符串
当需要将格式化后的内容写入日志文件或发送到网络时，使用pformat()：
python
import logging from pprint import pformat logging.basicConfig(level=logging.INFO) data = {"key": [1, 2, 3], "nested": {"a": 10, "b": 20}} logging.info("Data structure:\n%s", pformat(data))自定义PrettyPrinter对象
可以创建pprint.PrettyPrinter实例，并配置自己的输出流（例如写入文件）：
python
from pprint import PrettyPrinter with open("output.txt", "w") as f: printer = PrettyPrinter(stream=f, indent=2, width=60) printer.pprint(data)处理递归数据结构
pprint能检测并优雅处理递归引用，避免无限打印：
python
recursive_list = [] recursive_list.append(recursive_list) pprint(recursive_list) # 输出: [<Recursion on list with id=...>]
紧凑输出
compact参数（Python 3.4+）让序列在一行内尽可能紧凑：
python
long_list = [1, 2, 3, 4, 5, 6, 7, 8] pprint(long_list, compact=True) # 输出: [1, 2, 3, 4, 5, 6, 7, 8]（不换行） # 如果超出宽度，则适当换行
四、实际应用场景
场景1：调试 API 响应（电商价格爬虫）
当你调用一个电商的开放 API 获取商品详情时，返回的 JSON 可能嵌套很深。用pprint快速查看结构，找出价格字段路径：
python
import requests from pprint import pprint response = requests.get("https://dummyjson.com/products/1") data = response.json() pprint(data, depth=2) # 只看前两层，避免刷屏 # 输出会清晰展示 product 的 id、title、price 等字段的位置场景2：分析配置文件差异
运维人员常使用 YAML/JSON 配置文件。用pprint格式化后对比两个配置的差异（配合difflib）：
python
from pprint import pformat import difflib config_old = {"db": {"host": "localhost", "port": 5432}, "cache": {"ttl": 60}} config_new = {"db": {"host": "192.168.1.1", "port": 5432}, "cache": {"ttl": 120}} old_str = pformat(config_old, width=50) new_str = pformat(config_new, width=50) diff = difflib.unified_diff(old_str.splitlines(), new_str.splitlines(), lineterm='') print("\n".join(diff))场景3：教学演示或代码文档生成
在编写技术教程时，需要展示复杂数据结构的样例输出。pprint可以生成整洁的示例：
python
from pprint import pprint example = { "name": "Person", "fields": [ {"name": "id", "type": "int"}, {"name": "name", "type": "str"}, ], "meta": {"created": "2025-01-01"} } print("预期的数据结构：") pprint(example, indent=2)场景4：日志记录中的结构化数据（深度案例）
在分布式系统中，经常需要记录每个请求的上下文。利用pformat将其写入日志，方便后续排查：
python
import logging from pprint import pformat from datetime import datetime import random logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(message)s") def process_request(user_id, payload): context = { "user_id": user_id, "timestamp": datetime.now().isoformat(), "payload": payload, "internal_state": { "cache_hit": random.choice([True, False]), "retry_count": random.randint(0, 3), "errors": [] } } # 使用 pformat 将复杂对象转为可读字符串 logging.info("Request context:\n%s", pformat(context, indent=2, width=100)) # 实际业务逻辑... return context process_request(12345, {"action": "buy", "item": "laptop", "quantity": 1})此案例中，pformat保证了即使payload和internal_state嵌套较深，日志依然整洁易读，便于事后分析。
五、结尾互动
总而言之，pprint是一个小巧但极其实用的标准库。它用优雅的排版拯救了开发者面对杂乱数据时的双眼——无论是调试、教学、日志记录还是数据探索，pprint都能瞬间提升你的信息获取效率。记住：当你下一次为print(data)输出的混乱而头痛时，只需将print改成pprint，世界立刻变得清晰。如果你有自己独特的使用技巧（比如结合json.dumps与pprint，或自定义PrettyPrinter子类过滤敏感信息），欢迎在评论区分享。你曾因为数据输出不直观而浪费了多少调试时间？试试pprint，也许会有意想不到的收获。
