前言
本文的腳本是分析nginx的訪問日誌, 主要為了檢查站點uri的訪問次數的,檢查的結果會提供給研發人員做參考,因為談到分析嘛,那肯定要用到正規表示式了,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,我們先來看看要分析的日誌結構:
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)"
這是修改過的日誌內容,敏感內容都以刪除或替換了,不過不影響我們的分析結果,當然格式什麼的這都不重要,Nginx訪問日誌是可以自訂的,每家公司可能都會稍有不同,所以要能理解腳本內容,並透過自己修改應用到了自己工作中才是重點,我給的日誌格式也就是個參考,我打賭你在你公司伺服器上看到的日誌格式肯定跟我的格式不一樣, 看完日誌格式,我們開始要寫我們的腳本了
我先貼程式碼,稍後再解釋:
import re from 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()
函數功能是分析日誌,返回匹配的行列表,正則部分就不解釋了,大家看註釋應該知道它是匹配什麼內容的,parser_urllist()
函數功能是將取得使用者存取的url,get_urldict()
函數功能是傳回字典,以url為鍵,如果鍵相同值增1,傳回的字典是每個url和最大的訪問次數,url_count()
函數功能就是呼叫了先前定義的函數,主函數部分,就說說itemgetter,它可以實現按指定元素進行排序,舉例就明白了:
>>> 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參數表示降序排序,就是從大到小排序,腳本運行結果:
[('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)]
更多python正規分析nginx的訪問日誌相關文章請關注PHP中文網!