[[337718]]

這個 Python 模塊可以以多種格式收集網站使用日志并輸出良好結構化數據以進行分析。

是否想知道有多少訪問者訪問過你的網站？或哪個頁面、文章或下載最受歡迎？如果你是自托管的博客或網站，那么無論你使用的是 Apache、Nginx 還是 Microsoft IIS（是的，沒錯），lars都可以為你提供幫助。

Lars 是 Python 寫的 Web 服務器日志工具包。這意味著你可以使用 Python 通過簡單的代碼來回溯（或實時）解析日志，并對數據做任何你想做的事：將它存儲在數據庫中、另存為 CSV 文件，或者立即使用 Python 進行更多分析。

Lars 是 Dave Jones 寫的另一個隱藏的寶石。我最初是在本地 Python 用戶組中看到 Dave 演示 lars。幾年后，我們開始在 piwheels 項目中使用它來讀取 Apache 日志并將行插入到我們的 Postgres 數據庫中。當樹莓派用戶從 piwheels.org下載 Python 包時，我們會記錄文件名、時間戳、系統架構（Arm 版本）、發行版名稱/版本，Python 版本等。由于它是一個關系數據庫，因此我們可以將這些結果加入其他表中以獲得有關文件的更多上下文信息。

你可以使用以下方法安裝lars：

$ pip install lars

在某些系統上，正確的方式是 sudo pip3 install lars。

首先，找到一個 Web 訪問日志并制作一個副本。你需要將日志文件下載到計算機上進行操作。我在示例中使用的是 Apache 日志，但是經過一些小（且直觀）的更改，你可以使用 Nginx 或 IIS。在典型的 Web 服務器上，你會在 /var/log/apache2/ 中找到 Apache 日志，通常是 access.log、ssl_access.log（對于 HTTPS）或 gzip 壓縮后的輪轉日志文件，如 access-20200101.gz 或者 ssl_access-20200101.gz 。

首先，日志是什么樣的？

81.174.152.222 - - [30/Jun/2020:23:38:03 +0000] "GET / HTTP/1.1" 200 6763 "-" "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:77.0) Gecko/20100101 Firefox/77.0"

這是一個顯示了請求源 IP 地址、時間戳、請求文件路徑（在本例中是主頁 /）、HTTP 狀態代碼，用戶代理（Ubuntu 上的 Firefox）等的請求。

你的日志文件將充滿這樣的條目，不僅是每個打開的頁面，還包括返回的每個文件和資源：每個 CSS 樣式表、JavaScript 文件和圖像，每個 404 請求、每個重定向、每個爬蟲。要從日志中獲取有意義的數據，你需要對條目進行解析、過濾和排序。這就是 Lars 的用處。本示例將打開一個日志文件并打印每一行的內容：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            print(row)

它會為每條日志顯示如下結果：

Row(remote_host=IPv4Address('81.174.152.222'), ident=None, remote_user=None, time=DateTime(2020, 6, 30, 23, 38, 3), request=Request(method='GET', url=Url(scheme='', netloc='', path_str='/', params='', query_str='', fragment=''), protocol='HTTP/1.1'), status=200, size=6763)

它解析了日志條目，并將數據放入結構化格式中。該條目已成為具有與條目數據相關屬性的命名元組namedtuple，因此，例如，你可以使用 row.status 訪問狀態代碼，并使用 row.request.url.path_str 訪問路徑：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            print(f'hit {row.request.url.path_str} with status code {row.status}')

如果你只想顯示 404 請求，可以執行以下操作：

with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            if row.status == 404:
                print(row.request.url.path_str)
 

你可能要對這些數據去重，并打印獨立的 404 頁面數量：

s = set()
with open('ssl_access.log') as f:
    with ApacheSource(f) as source:
        for row in source:
            if row.status == 404:
                s.add(row.request.url.path_str)
print(len(s))

我和 Dave 一直在努力擴展 piwheel 的日志記錄器，使其包含網頁點擊量、軟件包搜索等內容，歸功于 lars，這些并不難。它不會告訴我們有關用戶的任何答案。我們仍然需要進行數據分析，但它去掉了復雜不便的文件格式，并以我們可以利用的方式將它放入我們的數據庫。

查閱 lars 的文檔，以了解如何讀取 Apache、Nginx 和 IIS 日志，并了解你還可以使用它做什么。再次感謝 Dave 提供的出色工具！