一行代码了解网站被访问最多的URL

转自：http://sesame.iteye.com/blog/1678326

有需求想分析下网站的被访问的TOP 10 URL是哪些，想到了apache 的cookie日志中有记录，在日志目录的cookie_log.*文件中，打开一个确实存在：

Log代码  

1. 112.113.241.58 - - - [09/Sep/2012:00:01:08 +0800] "GET /dd.abc.com/favicon.ico HTTP/1.1" 200 1406 154 "-" "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1) QQBrowser/6.0"  

 

不过对每一个列对应的含义不是很清楚，看了下httpd.conf，

 

Html代码  

1. LogFormat "%h %l %u %t \"%r\" %>s %b \"%{Referer}i\" \"%{User-Agent}i\"" combined  
2. LogFormat "%h %l %u %t \"%r\" %>s %b" common  

 

查了下apache的配置文档，了解了对应的含义。

 

写了一行shell脚本：

 

Shell代码  

1. cat cookie_log.0 | awk '{ print $8 }' | sed s/?.*//g |sort | uniq -c | sort -n -r |head -n 10  

 (uniq这个命令默认只删除紧挨的重复行，所以需要先sort下，再uniq)

 

得到以下结果，（具体网址用手动替换成*了）

 

 

结果代码  

1. 2713 /172.22.14.109/ok.htm  
2. 2387 /*/order/orderList.htm  
3. 1009 /*/favicon.ico  
4.  990 /*/index.htm  
5.  854 /*/wide/jhs/wlTrace.htm  
6.  851 /*/aita/css/aita-main.css  
7.  780 /*/order/orderDetail.htm  
8.  715 /*/storage/stockInList.json  
9.  519 /*/determine/deduce.json  
10.  496 /*/order/channelOrderListLimit.json