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
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
字符串有哪些函数
- split分隔字符串为list
- format 格式化字符串
字典定义
-
定义
-
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。
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’)
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
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 | 写 |
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
时间
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
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
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
统计总数据
统计区域数据
打印结果
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