python正则分析nginx的访问日志
前言
本文的脚本是分析nginx的访问日志，主要为了检查站点uri的访问次数的，检查的结果会提供给研发人员做参考，因为谈到分析嘛，那肯定要用到正则表达式了，所以请没有接触过正则的小伙伴自行补脑，因为涉及正则的内容，实在没法展开写，正则的内容太过庞大，根本不是一篇两篇能写清楚的。
开始前，我们先看看要分析的日志结构：
127.0.0.1--[19/Jun/2012:09:16:22+0100]"GET/GO.jpgHTTP/1.1"4990"http://domain.com/htm_data/7/1206/758536.html""Mozilla/4.0(compatible;MSIE7.0;WindowsNT5.1;Trident/4.0;.NETCLR1.1.4322;.NETCLR2.0.50727;.NETCLR3.0.4506.2152;.NETCLR3.5.30729;SE2.XMetaSr1.0)" 127.0.0.1--[19/Jun/2012:09:16:25+0100]"GET/Zyb.gifHTTP/1.1"4990"http://domain.com/htm_data/7/1206/758536.html""Mozilla/4.0(compatible;MSIE6.0;WindowsNT5.1;QQDownload711;SV1;.NET4.0C;.NET4.0E;360SE)"
这是修改过的日志内容，敏感内容都以删除或替换了，不过不影响我们的分析结果，当然格式什么的这都不重要，Nginx访问日志是可以自定义的，每家公司可能都会稍有不同，所以要能理解脚本内容，并通过自己修改应用到了自己工作中才是重点，我给的日志格式也就是个参考，我打赌你在你公司服务器上看到的日志格式肯定跟我的格式不一样，看完日志格式，我们开始要写我们的脚本了
我先贴代码，稍后解释：
importre
fromoperatorimportitemgetter
defparser_logfile(logfile):
pattern=(r''
'(\d+.\d+.\d+.\d+)\s-\s-\s'#IPaddress
'\[(.+)\]\s'#datetime
'"GET\s(.+)\s\w+/.+"\s'#requestedfile
'(\d+)\s'#status
'(\d+)\s'#bandwidth
'"(.+)"\s'#referrer
'"(.+)"'#useragent
)
fi=open(logfile,'r')
url_list=[]
forlineinfi:
url_list.append(re.findall(pattern,line))
fi.close()
returnurl_list
defparser_urllist(url_list):
urls=[]
forurlinurl_list:
forrinurl:
urls.append(r[5])
returnurls
defget_urldict(urls):
d={}
forurlinurls:
d[url]=d.get(url,0)+1
returnd
defurl_count(logfile):
url_list=parser_logfile(logfile)
urls=parser_urllist(url_list)
totals=get_urldict(urls)
returntotals
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)
脚本解释，parser_logfile()函数功能是分析日志，返回匹配的行列表，正则部分就不解释了，大家看注释应该知道它是匹配什么内容的，parser_urllist()函数功能是将获取用户访问的url，get_urldict()函数功能是返回一个字典，以url为键，如果键相同值增1，返回的字典是每个url和最大的访问次数，url_count()函数功能就是调用了之前定义的函数，主函数部分，就说说itemgetter，它可以实现按指定元素进行排序，举例就明白了：
>>>fromoperatorimportitemgetter
>>>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参数表示降序排序，就是从大到小排序，脚本运行结果：
[('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)]
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对毛票票的支持。