华为抓取错误日志在哪里_大仙seo：网站日志数据分析教程

网站日志的数据分析主要是使用相关工具进行，工具类型也有很多。

网页版可以用拉格好，桌面版可以用爱站或者光年，也可以使用shell分析日志。。。

分析日志的作用有很多，可以概括几点：

1.了解蜘蛛对页面的抓取情况，合理分配网站内链，优化抓取路径；

2.统计栏目页面的流量数据情况，对其做相应的策略调整（例如数据下降，可以分析原因，对另外一个栏目页面做AB测试进行观察等等）；

3.提取出404页面，提交给百度进行处理；

4.如果是网站被黑，可以分析日志查看网站操作记录，以及找出假的百度蜘蛛IP等；

将日志文件下载至本地，我这里是宝塔，一般在www根目录可以找到日志文件。

使用网页版功能有限，只能看出来蜘蛛的抓取数量和返回代码情况，如图：

关于蜘蛛数量那里应该都看得懂，顺便解释下上面显示的低权重IP和权重IP（大神略过，据说科普）。

据说，百度创始以来，对蜘蛛是有分类的，有的蜘蛛专门抓取图片，有的专门抓取视频，有的专门抓取内容。。。。

这些ip统称为低权重ip（我也不知道哪里听来的），专门抓取新站或者是低质量的页面，新站在此期间应该这个类型123.125.71.*的ip，来的频率会灰常多。

123.125.71.95
123.125.71.97
123.125.71.117
123.125.71.71
123.125.71.106

那如果是一个老网站，这个频率的ip突然增加，那就要注意了，很有可能在被K或是降权的边缘。。。。

这个ip上面显示隔日快照，意思就是被他抓取过的页面，不出意外第二天都会被收录，或者快照会有更新。

220.181.108.95

这些ip称为所谓的“高权重ip”，即220.181.108.*，被他们抓取过的页面，收录速度和更新速度都会很快。

220.181.108.75
220.181.108.92
220.181.108.91
220.181.108.86
220.181.108.89
220.181.108.94
220.181.108.97
220.181.108.80
220.181.108.77
220.181.108.83

好的，ip段普及完了。。。。

在来看看左侧，可以看到一大串代码段。

其实我们截取一个完整的字段是这样的：

123.125.71.12 - - [07/May/2019:11:21:56 +0800] 'GET /gzjysc/83.html HTTP/1.1' 200 8274 '-' 'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)'

一个个来看，都是什么意思。。。。

123.125.71.12：访问的ip；

07/May/2019:11:21:56 +0800：访问的时间段；

GET /gzjysc/83.html：访问的URL；

HTTP/1.1：网站的请求协议；

200：网站返回状态码；

Baiduspider/2.0; +http://www.baidu.com/search/spider.html：表示这是一个真实的百度蜘蛛；

ok，基础数据概念解释就到这里，接下来看看从日志文件里能得到哪些信息。

使用光年日志分析工具可以得出以下信息：

蜘蛛抓取量占比，百度抓取最多，其次是搜狗，发现这里居然没有360的蜘蛛，去设置里添加个360 Spider重新分析就可以了。

目录最多的抓取数量显示，每个蜘蛛抓取的目录次数是不同的，可以看到百度对/spmn/目录抓取最多，其实这个也不意外。。。因为这个目录页面的关键词排名最好！

另外还可以看看404页面，把这些404的url放在一个txt文档里，取名silian，上传到根目录提交到百度站长平台即可。

其它的数据可以自己看看！

以上的方法对于分析普通的小企业站日志已经足够了，金花日志工具可以满足大部分的需求。

那对于一些日志文件比较大，不适合用工具的可以使用shell分析网站日志（以下纯属装X，可以略过）。

首先是打开日志文件。

分析蜘蛛抓取最多的页面：

cat your.log | grep 'Baiduspider/2.0' | awk '{print $7}' | sort | uniq -c | sort -nr | head -10

可以看出，还是/spmn这个页面抓取的最多。。。。接下来才是首页。

找了些非200状态码的页面url：

cat test.log | grep 'Baiduspider/2.0' | awk '{if($9!="200"){print $7,$9}}' | sort | uniq -c | sort -nr

可以看到有哪些404、304等等状态的页面。。。。特别是找出404页面，根据上述提到的方法进行解决。

突然想到鲁迅先生说的：数据本身是没卵用的，分析数据，对数据的使用才是价值所在。

注：本文来源《网站日志数据分析教程》，转载请注明出处！更多seo实战技巧尽在公众号——大仙的小黑屋。个人微信：gz90hudong.