前言
本文的腳本是分析nginx的訪問日志， 主要為了檢查站點uri的訪問次數(shù)的，檢查的結果會提供給研發(fā)人員做參考，因為談到分析嘛，那肯定要用到正則表達式了，所以請沒有接觸過正則的小伙伴自行補腦，因為涉及正則的內容，實在沒法展開寫，正則的內容太過龐大，根本不是一篇兩篇能寫清楚的。
開始前，我們先看看要分析的日志結構：
|
1
2
|
127.0.0.1 - - [19/Jun/2012:09:16:22 +0100] "GET /GO.jpg HTTP/1.1" 499 0 "http://domain.com/htm_data/7/1206/758536.html" "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; SE 2.X MetaSr 1.0)"127.0.0.1 - - [19/Jun/2012:09:16:25 +0100] "GET /Zyb.gif HTTP/1.1" 499 0 "http://domain.com/htm_data/7/1206/758536.html" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; QQDownload 711; SV1; .NET4.0C; .NET4.0E; 360SE)" |
這是修改過的日志內容，敏感內容都以刪除或替換了，不過不影響我們的分析結果，當然格式什么的這都不重要，Nginx訪問日志是可以自定義的，每家公司可能都會稍有不同，所以要能理解腳本內容，并通過自己修改應用到了自己工作中才是重點，我給的日志格式也就是個參考，我打賭你在你公司服務器上看到的日志格式肯定跟我的格式不一樣， 看完日志格式，我們開始要寫我們的腳本了
我先貼代碼，稍后解釋：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
import refrom operator import itemgetter def parser_logfile(logfile): pattern = (r'' '(\d+.\d+.\d+.\d+)\s-\s-\s' #IP address '\[(.+)\]\s' #datetime '"GET\s(.+)\s\w+/.+"\s' #requested file '(\d+)\s' #status '(\d+)\s' #bandwidth '"(.+)"\s' #referrer '"(.+)"' #user agent ) fi = open(logfile, 'r') url_list = [] for line in fi: url_list.append(re.findall(pattern, line)) fi.close() return url_list def parser_urllist(url_list): urls = [] for url in url_list: for r in url: urls.append(r[5]) return urls def get_urldict(urls): d = {} for url in urls: d[url] = d.get(url,0)+1 return d def url_count(logfile): url_list = parser_logfile(logfile) urls = parser_urllist(url_list) totals = get_urldict(urls) return totals if __name__ == '__main__': urls_with_counts = url_count('example.log') sorted_by_count = sorted(urls_with_counts.items(), key=itemgetter(1), reverse=True) print(sorted_by_count) |
腳本解釋，parser_logfile()函數(shù)功能是分析日志，返回匹配的行列表，正則部分就不解釋了，大家看注釋應該知道它是匹配什么內容的，parser_urllist()函數(shù)功能是將獲取用戶訪問的url，get_urldict()函數(shù)功能是返回一個字典，以url為鍵，如果鍵相同值增1，返回的字典是每個url和最大的訪問次數(shù)，url_count()函數(shù)功能就是調用了之前定義的函數(shù)，主函數(shù)部分，就說說itemgetter，它可以實現(xiàn)按指定元素進行排序，舉例就明白了：
|
1
2
3
4
5
6
7
8
|
>>> from operator import itemgetter>>> a=[('b',2),('a',1),('c',0)] >>> s=sorted(a,key=itemgetter(1))>>> s[('c', 0), ('a', 1), ('b', 2)]>>> s=sorted(a,key=itemgetter(0))>>> s[('a', 1), ('b', 2), ('c', 0)] |
reverse=True參數(shù)表示降序排序，就是從大到小排序，腳本運行結果：
|
1
|
[('http://domain.com/htm_data/7/1206/758536.html', 141), ('http://domain.com/?q=node&page=12', 3), ('http://website.net/htm_data/7/1206/758536.html', 1)] |
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對服務器之家的支持。
