WEB日志格式

 apache-log  WEB日志是网站分析和网站数据仓库的数据最基础来源,了解其格式和组成将有利于更好地进行数据的收集、处理和分析。

1、日志格式类型

  目前常见的WEB日志格式主要由两类,一类是Apache的NCSA日志格式,另一类是IIS的W3C日志格式。NCSA格式又分为NCSA普通日志格式(CLF)和NCSA扩展日志格式(ECLF)两类,目前最常用的是NCSA扩展日志格式(ECLF)及基于自定义类型的Apache日志格式;而W3C扩展日志格式(ExLF)具备了更为丰富的输出信息,但目前的应用并不广泛,所以这里主要介绍的是NCSA扩展日志格式(ECLF)。

2、常见日志格式的组成

  这是一个最常见的基于NCSA扩展日志格式(ECLF)的Apache日志样例:

58.61.164.141 – - [22/Feb/2010:09:51:46 +0800] “GET /reference-and-source/weblog-format/ HTTP/1.1″ 206 6326 ” http://www.google.cn/search?q=webdataanalysis” “Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)”

  可以看到这个日志主要由以下几个部分组成:

访问主机(remotehost)

  显示主机的IP地址或者已解析的域名。

标识符(Ident)

  由identd或直接由浏览器返回浏览者的EMAIL或其他唯一标示,因为涉及用户邮箱等隐私信息,目前几乎所有的浏览器就取消了这项功能。

授权用户(authuser)

  用于记录浏览者进行身份验证时提供的名字,如果需要身份验证或者访问密码保护的信息则这项不为空,但目前大多数网站的日志这项也都是为空的。

日期时间(date)

  一般的格式形如[22/Feb/2010:09:51:46 +0800],即[日期/月份/年份:小时:分钟:秒钟 时区],占用的的字符位数也基本固定。

请求(request)

  即在网站上通过何种方式获取了哪些信息,也是日志中较为重要的一项,主要包括以下三个部分:

  请求类型(METHOD)

  常见的请求类型主要包括GET/POST/HEAD这三种;

  请求资源(RESOURCE)

  显示的是相应资源的URL,可以是某个网页的地址,也可以是网页上调用的图片、动画、CSS等资源;

  协议版本号(PROTOCOL)

  显示协议及版本信息,通常是HTTP/1.1或HTTP/1.0。

状态码(status)

  用于表示服务器的响应状态,通常1xx的状态码表示继续消息;2xx表示请求成功;3xx表示请求的重定向;4xx表示客户端错误;5xx表示服务器错误。

传输字节数(bytes)

  即该次请求中一共传输的字节数。

来源页面(referrer)

  用于表示浏览者在访问该页面之前所浏览的页面,只有从上一页面链接过来的请求才会有该项输出,如果是新开的页面则该项为空。上例中来源页面是google,即用户从google搜索的结果中点击进入。

用户代理(agent)

  用于显示用户的详细信息,包括IP、OS、Bowser等。

3、日志格式扩展

  apache日志格式可以自定义来配置其输出格式,常见的基于NCSA扩展日志格式(ECLF)自定义添加的包括域名(domain)cookie。其中域名在一个网站拥有二级域名或者子域名时,可以更好地区分日志;而cookie可以作为用户的身份标识。其他具体的自定义信息详见:Custom Log Formats

WEB日志格式》上有 33 条评论

  1. Pingback 引用通告: UEDBase | 用户为先·专注体验 » Blog Archive » 网站分析的基本度量

  2. Pingback 引用通告: » log日志的作用和缺陷 - 网络营销博客.ALi,专注网络营销,分享网络营销.

  3. Pingback 引用通告: 网站用户的识别 » 草根程序员

  4. Pingback 引用通告: 网站分析的基本度量 | 十方界 - 佛教谓十方无量无边的世界

  5. yuxiujian

    博主,“GET / HTTP/1.1″ 这里的请求网址还是加上个吧,尽管下面有说明,但还是会忘记,对于我们这种学习型的人来说,越是详细点越好,我是看到别的地方的例子才想起来原来请求网址是这那个位置

    回复
  6. joegh 文章作者

    @yuxiujian: 多谢提醒,这个例子确实对新手有误解,GET /其实指的是获取首页,比如我的博客就是“http://webdataanalysis.net/”,因为“http://webdataanalysis.net”在日志里是被省略的。
    现在改成获取本篇文章的请求了,GET /reference-and-source/weblog-format/其实就是请求“http://webdataanalysis.net/reference-and-source/weblog-format/”这个页面。

    回复
  7. Pingback 引用通告: NoJS的网站数据统计 | 邮件群发工具_邮件营销软件_QQ邮件群发机|邮侠邮件群发52edm.com

  8. Pingback 引用通告: 徳博 » 网站分析的基本度量[zt]

  9. Pingback 引用通告: 徳博 » WEB日志的作用和缺陷[zt]

  10. Pingback 引用通告: [转]网站用户的识别 | 李鹏宇的博客

  11. Pingback 引用通告: – 网站用户的识别

  12. Pingback 引用通告: WEB日志的作用和缺陷 | FResh

  13. Pingback 引用通告: 网站分析的基本度量 | 钛媒体网

  14. Pingback 引用通告: 网站分析的基本度量 | 加油谷歌!gogogoogle!

  15. Pingback 引用通告: leojunp

  16. Pingback 引用通告: 网站分析的基本度量 - 科技辣

  17. Pingback 引用通告: 网站用户的识别_读懂_钛媒体网

  18. Pingback 引用通告: 网站用户的识别

  19. Pingback 引用通告: 网站用户的识别 | 极客互联|关注极客事业

  20. Pingback 引用通告: 从WEB日志到点击流_读懂_钛媒体网

  21. Pingback 引用通告: 从WEB日志到点击流

  22. Pingback 引用通告: 从WEB日志到点击流 | 极客互联|关注极客事业

  23. Pingback 引用通告: 网站用户的识别 - 科技辣

  24. Pingback 引用通告: 从WEB日志到点击流 - 科技辣

  25. Pingback 引用通告: 网站用户的识别 – 别楞站长网

  26. Pingback 引用通告: WEB日志的作用和缺陷 | 统计人

  27. Pingback 引用通告: 轻松看懂WEB日志格式 | 爱运营

  28. Pingback 引用通告: 网站用户的识别 | 内容采集

  29. Pingback 引用通告: 从WEB日志到点击流 | 内容采集

发表评论

电子邮件地址不会被公开。 必填项已用 * 标注

您可以使用这些 HTML 标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>