今晚九点|如何使用 Python 分析 web 访问日志?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了今晚九点|如何使用 Python 分析 web 访问日志?相关的知识,希望对你有一定的参考价值。

主题:如何使用 Python 分析 Web 访问日志

内容

  • Python 基础

    • 字符串、字典、文件、时间

    • Web 访问日志
  • 实战

  • 提问

主讲师:KK

多语言混搭工程师,热爱开源技术,喜欢GET新技能,5年 PHP、Python 项目开发经验,带领团队完成多个中、小型项目开发,对安全、云等多个领域富有浓厚兴趣,擅长于 WEB 安全开发、性能优化、分布式应用开发&设计等多方面,做事认真负责,乐于分享技能,现任 51Reboot.com Python 实战班讲师

技术分享图片

任何语言都有使用场景,只有合适和不合适,没有好坏。语言是工具,用来描述让计算机如何工作,想法(思路&算法)是基础,也是重点。

字符串

像姓名、一句话描述这样的文

使用单引号、双引号、三个单引号或三个双引号引起来的一些字符
技术分享图片

字符串有哪些函数

技术分享图片

  • split分隔字符串为list

技术分享图片

  • format 格式化字符串

技术分享图片

字典定义

  • 定义
    技术分享图片

    • 使用大括号包含

    • 每个元素为key:value的格式

    • 元素之间使用逗号分隔

练习

一、统计 list 中每个元素出现的次数

languages = [‘python‘, ‘java‘, ‘python‘, ‘c‘, ‘c++‘, ‘go‘, ‘c#‘, ‘c++‘, ‘lisp‘, ‘c‘, ‘javascript‘, ‘java‘, ‘python‘, ‘matlab‘, ‘python‘, ‘go‘, ‘java‘]

提示:

统计结果为 element:count 的形式,统计结果采用 dict 从左到右依次遍历 list 中元素,判断是否在 dict 中,如果不在则将 element 存入 dict 并设置 count 为 1,否则将 dict中element 对应的 count 加 1 后再存储到dict中。
技术分享图片

二、统计文章中每个英文字母出现的次数

  • article = ‘I was not delivered unto this world in defeat, nor does failure course in my veins. I am not a sheep waiting to be prodded by my shepherd. I am a lion and I refuse to talk, to walk, to sleep with the sheep. I will hear not those who weep and complain, for their disease is contagious. Let them join the sheep. The slaughterhouse of failure is not my destiny.‘

  • 提示:判断是否为英文单词

  • if (element > ‘a’ and element < ‘z’) or (element > ‘A’ and element < ‘Z’)

技术分享图片

字典的 Key

  • Key 必须为不可变数据类型

  • 数字

  • 整数

  • 浮点数

  • 字符串

  • 布尔类型

  • 列表 X

  • 元组

  • 子元素必须也不可变(“a”, “b”)

  • ("a", ["b“]) X

  • 字典 X

字典有哪些函数

技术分享图片

文件

  • 自己在电脑上打开 word 文件的操作顺序

  • 在计算机盘符中找到对应的文件

  • 鼠标双击打开文件(选择查阅的工具)

  • 查阅文件内容/编辑文件内容

  • 如果有编辑文件内容保存文件

  • 关闭文件

文件操作

  • 打开文件
  • fhandler = open(path, mode, …)
  • path 为文件路径
  • mode 为打开文件方式及文件类型
mode 打开文件方式
r 读(默认)
w
x 创建并写
a 追加
r+ 读写
w+ 写读
x+ 创建并写读
a+ 追加读
  • 关闭文件
    fhandler.close()
mode 文件类型
t 文本(默认)
b 二进制
  • 遍历文件内容
    技术分享图片

时间

技术分享图片

Web 访问日志

  • Web 访问日志是 Web 服务器记录的网站被访问的过程日志

  • 日志属性

    • 什么时候

    • 什么人

    • 通过什么工具

    • 以什么方式

    • 访问了什么资源
    • 结果是什么(状态/返回数据大小)

Web 访问日志日志格式

  • 通用日志格式

127.0.0.1 - - [14/May/2017:12:45:29 +0800] "GET /index.html HTTP/1.1" 200 4286

远程 - - 主机 IP 请求时间 时区 方法 资源 协议 状态码 发送字节

  • 组合日志格式

127.0.0.1 - - [14/May/2017:12:51:13 +0800] "GET /index.html HTTP/1.1" 200 4286 "http://127.0.0.1/" "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36“

远程主机 IP - - 请求时间 时区 方法 资源 协议 状态码 发送字节 referer 字符 浏览器信息

Web访问日志日志示例

技术分享图片

实战

  • 统计以下数据

    • 需要根据IP获取地理位置

    • 每天的日志中每行流量之和、总的流量之和(每天流量之和)

    • 每种状态码出现的次数

    • 每天的不重复的IP的数量、总的不重复的IP数量(每天不重复的IP数量 之和???)

    • 每天的日志行数、日志的总行数(每天的日志行数之和)

    • 统计每天的点击量、总点击数量

    • 统计每天的浏览者数量、总浏览者数量

    • 统计总状态码分布

    • 统计每天流量大小、总的流量大小

    • 统计访问地域分布及访问次数 TOP20

运行

技术分享图片

分析

  • 按天统计

    • 每天日志行数

    • 每天浏览每个 IP 的访问次数

    • 每天访问者数量 = 每天出现 IP 组成集合的数量

    • 每天状态码出现次数

    • 每天流量总数
  • 总统计

    • 总日志行数 = 每天日志行数之和

    • 总访问者数量 = 所有出现 IP 组成的集合数量
  • 地域分布

    • 所有出现 IP 的访问次数 排序取 TOP20

    • 根据 IP 查找地理位置

代码

统计每天信息
技术分享图片

统计总数据

技术分享图片

统计区域数据
技术分享图片

打印结果

技术分享图片

还可以做哪些?

  • 统计每天每个 url 访问的次数?

  • 最近 24 小时访问/流量趋势图(每 5-10 分钟粒度)

  • 每天浏览器分布图

  • 每天访问文档分布图

  • 每天 js、css、图片等静态文档流量统计

  • ……

  • web 饼状图、曲线图、柱状图、地图

  • ……

  • 通过机器学习监督学习方法对访问进行攻击检测

网络直播分享
报名方式:加小助手(小月)微信:1902433859 备注公开课进入直播分享群

以上是关于今晚九点|如何使用 Python 分析 web 访问日志?的主要内容,如果未能解决你的问题,请参考以下文章

今晚九点|细说 Django — web 前后端分离

今晚九点|Flask 基础与 Web 开发实战

今晚九点公开课|云运维杂谈

今晚九点|某互联网上市公司基于 Golang 的运维基础框架

明晚九点|Flask 基础与 Web 开发实战

零基础快速入门Python网络爬虫技术@今晚云技术社区千聊分享