网站一点了解

网站日志分析听语音
浏览：4256|更新：2012-10-05 12:21
IIS的FTP日志文件默认位置为%systemroot%\system32\logfiles\MSFTPSVC1\，对于绝大多数系统而言（如果安装系统时定义了系统存放目录则根据实际情况修改）则是C:\winnt\system32\logfiles\ MSFTPSVC1\，和IIS的WWW日志一样，也是默认每天一个日志。日志文件的名称格式是：ex+年份的末两位数字+月份+日期，如2002年8月10日的WWW日志文件是ex020810.log。它也是文本文件，同样可以使用任何编辑器打开，例如记事本程序。和IIS的WWW日志相比，IIS的FTP日志文件要丰富得多。

网站日志分析
方法/步骤
1
网站日志文件详解如下：
1.找到日志打开，发现日志的前几行如下 　
　#Software: Microsoft Internet Information Services 5.1 //iis版本 　　#Version: 1.0 //版本 　　#Date: 2010-07-30 00:53:58 //创建时间 　　#Fields: date time c-ip cs-username s-sitename s-computername s-ip s-port cs-method cs-uri-stem cs-uri-query sc-status sc-win32-status sc-bytes cs-bytes time-taken cs-version cs-host cs(User-Agent) cs(Cookie) cs(Referer) //日志格式
2.以下日志是我在本地上测试的，扩展属性全部选中。
　2010-07-30 01:06:43 192.168.0.102 - W3SVC1 MGL 192.168.0.102 80 GET /css/rss.xslt - 304 0 140 358 0 HTTP/1.1 192.168.0.102 Mozilla/4.0+(compatible;+MSIE+7.0;+Windows+NT+5.1;+Trident/4.0;+InfoPath.2;+360SE)
ASPSESSIONIDACRRDABA=IDDHCBBBHBMBODAGCIDKAGLM –

网站日志分析
2
下面对日志格式进行详细解答。
1.　Fields: date 2010-07-30 \爬行日期 　　time 01:06:43 \时间 　　s-sitename W3SVC1 \服务器名称 　　s-computername MGL \ 网站名称 　　s-ip 192.168.0.102 \网站IP 　　cs-method GET \获取方法 　　cs-uri-stem /css/rss.xslt \文件的URL 　　cs-uri-query - \?后面的参数 　　s-port 80 \服务器端口 　　cs-username - \用户名 　　c-ip 192.168.0.102 \访问者（蜘蛛）ip 　　cs-version HTTP/1.1 \协议版本 　　cs(User-Agent) Mozilla/4.0+
(compatible;+MSIE+7.0;+Windows+NT+5.1;+Trident/4.0;+InfoPath.2;+360SE) 　　\用户代理，即用户所用的浏览器（这个最重要）
2.　cs(Cookie) ASPSESSIONIDACRRDABA=IDDHCBBBHBMBODAGCIDKAGLM \发送或接收的 Cookie 内容（如果有） 　　cs(Referer) - \选择该选项可以记录用户访问的前一个站点。此站点提供与当前站点的链接。 　
3.　cs-host 192.168.0.102 \主机头的内容。我本地访问的是IP，这个应该是网站域名。 　　sc-status 304 \协议状态（200是正常的 404 是找不到文件，304未改变。更多请查看IIS返回日志详解） 　　sc-substatus 0 \协议子状态 　　sc-win32-status 0 \win32状态 　　sc-bytes 140 \发送的字节数 　　cs-bytes 358 \接受的字节数 　　time-taken 0 \所用时间 　　200 0 0 4600 316 140返回200正常，4600发送的字节数，316接受的字节数 140所用时间。这个时间应该是毫秒级别的。
3
网站日志中返回代码的含义
4
一： 1xx （临时响应）表示临时响应并需要请求者继续执行操作的状态代码。
　　100 （继续） 请求者应当继续提出请求。 服务器返回此代码表示已收到请求的第一部
分，正在等待其余部分。
　　101 （切换协议） 请求者已要求服务器切换协议，服务器已确认并准备切换。
二：2xx （成功）表示成功处理了请求的状态代码。
　　200 （成功） 服务器已成功处理了请求。 通常，这表示服务器提供了请求的网页。
　　201 （已创建） 请求成功并且服务器创建了新的资源。
　　202 （已接受） 服务器已接受请求，但尚未处理。
　　203 （非授权信息） 服务器已成功处理了请求，但返回的信息可能来自另一来源。
　　204 （无内容） 服务器成功处理了请求，但没有返回任何内容。
　　205 （重置内容） 服务器成功处理了请求，但没有返回任何内容。
　　206 （部分内容） 服务器成功处理了部分 GET 请求。
三：3xx （重定向） 表示要完成请求，需要进一步操作。 通常，这些状态代码用来重定
向。
　　300 （多种选择） 针对请求，服务器可执行多种操作。 服务器可根据请求者 (user
agent) 选择一项操作，或提供操作列表供请求者选择。
　　301 （永久移动） 请求的网页已永久移动到新位置。 服务器返回此响应（对 GET 或
HEAD 请求的响应）时，会自动将请求者转到新位置。
　　302 （临时移动） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原有
位置来进行以后的请求。
　　303 （查看其他位置） 请求者应当对不同的位置使用单独的 GET 请求来检索响应时，
服务器返回此代码。
　　304 （未修改） 自从上次请求后，请求的网页未修改过。 服务器返回此响应时，不会
返回网页内容。
　　305 （使用代理） 请求者只能使用代理访问请求的网页。 如果服务器返回此响应，还
表示请求者应使用代理。
　　307 （临时重定向） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原
有位置来进行以后的请求。
四：4xx （请求错误） 这些状态代码表示请求可能出错，妨碍了服务器的处理。
　　400 （错误请求） 服务器不理解请求的语法。
　　401 （未授权） 请求要求身份验证。 对于需要登录的网页，服务器可能返回此响应。
　　403 （禁止） 服务器拒绝请求。404 （未找到） 服务器找不到请求的网页。
　　405 （方法禁用） 禁用请求中指定的方法。
　　406 （不接受） 无法使用请求的内容特性响应请求的网页。
　　407 （需要代理授权） 此状态代码与 401（未授权）类似，但指定请求者应当授权使
用代理。408 （请求超时） 服务器等候请求时发生超时。
　　409 （冲突） 服务器在完成请求时发生冲突。 服务器必须在响应中包含有关冲突的信
息。
　　410 （已删除） 如果请求的资源已永久删除，服务器就会返回此响应。
　　411 （需要有效长度） 服务器不接受不含有效内容长度标头字段的请求。
　　412 （未满足前提条件） 服务器未满足请求者在请求中设置的其中一个前提条件。
　　413 （请求实体过大） 服务器无法处理请求，因为请求实体过大，超出服务器的处理
能力。
　　414 （请求的 URI 过长） 请求的 URI（通常为网址）过长，服务器无法处理。
　　415 （不支持的媒体类型） 请求的格式不受请求页面的支持。
　　416 （请求范围不符合要求） 如果页面无法提供请求的范围，则服务器会返回此状态
代码。
　　417 （未满足期望值） 服务器未满足”期望”请求标头字段的要求。
五：5xx （服务器错误）这些状态代码表示服务器在尝试处理请求时发生内部错误。 这些
错误可能是服务器本身的错误，而不是请求出错。
　　500 （服务器内部错误） 服务器遇到错误，无法完成请求。
　　501 （尚未实施） 服务器不具备完成请求的功能。 例如，服务器无法识别请求方法时
可能会返回此代码。
　　502 （错误网关） 服务器作为网关或代理，从上游服务器收到无效响应。
　　503 （服务不可用） 服务器目前无法使用（由于超载或停机维护）。 通常，这只是暂
时状态。
　　504 （网关超时） 服务器作为网关或代理，但是没有及时从上游服务器收到请求。
505 （HTTP 版本不受支持） 服务器不支持请求中所用的 HTTP 协议版本。
5

网站日志中，我们以常见的百度蜘蛛IP为例:

6
一： 121.14.89.*这个ip段作为度过新站考察期。
　　123.125.68.*这个蜘蛛经常来,别的来的少,表示网站可能要进入沙盒了，或被者降权。
220.181.7.、123.125.66. 代表百度蜘蛛IP造访，准备抓取你东西。
　　220.181.68.*每天这个IP 段只增不减很有可能进沙盒或K站。
　　203.208.60.*这个ip段出现在新站及站点有不正常现象后。
210.72.225.*这个ip段不间断巡逻各站。

二：123.125.71.95 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因
不是原创或采集文章。
123.125.71.97 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因
不是原创或采集文章。
123.125.71.106 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，
因不是原创或采集文章。
123.125.71.117 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，
因不是原创或采集文章。

三：125.90.88.* 广东茂名市电信也属于百度蜘蛛IP 主要造成成分，是新上线站较多，还
有使用过站长工具，或SEO综合检测造成的。

四：220.181段属于权重IP段此段爬过的文章或首页基本24小时放出来。
220.181.108.75重点抓取更新文章的内页达到90%，8%抓取首页，2%其他。权重IP 段，
爬过的文章或首页基本24小时放出来。
220.181.108.77 专用抓首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.80专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.83专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.86专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.89专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.91属于综合的，主要抓取首页和内页或其他，属于权重IP 段，爬过的文
章或首页基本24小时放出来。
220.181.108.92 同上98%抓取首页，可能还会抓取其他 (不是指内页)
220.181.108.94专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.95这个是百度抓取首页的专用IP，如是220.181.108段的话，基本来说你
的网站会天天隔夜快照
220.181.108.97专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
　　
五：注===以上IP尾数还有很多，但段位一样的123.125.71.*段IP 代表抓取内页收录的权重比较低.可能由于你采集文章或拼文章暂时被收录但不放出来.(意思也就是说待定)。
　　220.181.108.*段IP主要是抓取首页占80%，内页占30%，这此爬过的文章或首页。
六：所谓尽信书不如无书，以上只能当作参考，不能完全照搬；如果还看到一些不知名的类似百度IP蜘蛛的话，可能是一些（站长工具）的模拟蜘蛛IP。