網站日誌挖掘分析-WEB日誌格式及分析工具
WEB日誌是網站分析和網站數據數據整理最基礎的數據，了解其格式和組成將有利於更好地進行數據的收集、處理和分析。
一、日誌格式類型
目前常見的WEB日誌格式主要由兩類，一類是Apache的NCSA日誌格式，另一類是IIS的W3C日誌格式。NCSA格式又分為NCSA普通日誌格式(CLF)和NCSA擴展日誌格式(ECLF)兩類，目前最常用的是NCSA擴展日誌格式(ECLF)及基於自定義類型的Apache日誌格式;而W3C擴展日誌格式(ExLF)具備了更為豐富的輸出信息，但目前的套用並不廣泛，所以這裡主要介紹的是NCSA擴展日誌格式(ECLF)。
二、常見日誌格式的組成
這是一個最常見的基於NCSA擴展日誌格式(ECLF)的Apache日誌樣例：
可以看到這個日誌主要由以下幾個部分組成：
訪問主機(remotehost)顯示主機的IP位址或者已解析的域名。
標識符(Ident)由identd或直接由瀏覽器返回瀏覽者的EMAIL或其他唯一標示，因為涉及用戶信箱等隱私信息，目前幾乎所有的瀏覽器就取消了這項功能。
授權用戶(authuser)用於記錄瀏覽者進行身份驗證時提供的名字，如果需要身份驗證或者訪問密碼保護的信息則這項不為空，但目前大多數網站的日誌這項也都是為空的。
日期時間(date)一般的格式形如[22/Feb/20xx:09:51:46 +0800]，即[日期/月份/年份:小時:分鐘:秒鐘時區]，占用的的字元位數也基本固定。
請求(request)即在網站上通過何種方式獲取了哪些信息，也是日誌中較為重要的一項，主要包括以下三個部分：
請求類型(METHOD)常見的請求類型主要包括GET/POST/HEAD這三種;
請求資源(RESOURCE)顯示的是相應資源的URL，可以是某個網頁的地址，也可以是網頁上調用的圖片、動畫、CSS等資源;
協定版本號(PROTOCOL)顯示協定及版本信息，通常是HTTP/1.1或HTTP/1.0。
狀態碼(status)用於表示伺服器的回響狀態，通常1xx的狀態碼錶示繼續訊息;2xx表示請求成功;3xx表示請求的重定向;4xx表示客戶端錯誤;5xx表示伺服器錯誤。
傳輸位元組數(bytes)即該次請求中一共傳輸的位元組數。
來源頁面(referrer)用於表示瀏覽者在訪問該頁面之前所瀏覽的頁面，只有從上一頁面連結過來的請求才會有該項輸出，如果是新開的頁面則該項為空。上例中來源頁面是google，即用戶從google搜尋的結果中點擊進入。
用戶代理(agent)用於顯示用戶的詳細信息，包括IP、OS、Bowser等。
三、日誌格式擴展
apache日誌格式可以自定義來配置其輸出格式，常見的基於NCSA擴展日誌格式(ECLF)自定義添加的包括域名(domain)和cookie。其中域名在一個網站擁有二級域名或者子域名時，可以更好地區分日誌;而cookie可以作為用戶的身份標識。其他具體的自定義信息詳見：Custom Log Formats
四、導入日誌數據到MySQL中
訪問分析是SEO的一項重要工作，但統計、分析工具畢竟功能是針對大眾的，很多時候SEO需要一些特定的數據，是統計分析軟體、程式所不能提供的。這樣，直接的Web日誌分析就是最合適的了，日誌中會記錄每一個訪問情況，只要按自己的意願提取、組合，就能得到想要的數據。使用SQL語句分析是最方便的，需要什麼樣的數據，只要使用相應的SQL命令就能實現。
導入Web日誌到MySQL資料庫的實現
1、修改Apache日誌格式
修改Web日誌格式為：
?
SQL需要導入的內容有特定的分隔設定，Apache的日誌默認是以空格分隔的，而有些內容(如狀態碼中的 200 610)也包含空格，這就無法準確的導入。將日誌格式修改為以逗號分隔，就能準確的導入了。還可以根據自己的需要，取消日誌格式中不需要的內容，減少日誌檔案大小。
2、建立MySQL數據表
註：上面只是一個MySQL數據表結構範例，沒有與上一步日誌格式對應，請勿直接複製使用!
新建一個資料庫，數據表結構與日誌格式對應起來。
3、導入日誌到MySQL中
weblog 對應上面的數據表名。
另外，樂思蜀從網上找到一個將IIS日誌導入到MySQL資料庫的.pl程式，需要的點這裡下載(Readme.txt為使用說明)。
五、常用日誌分析工具
1.awstats
2.analog
3.webalizer
4.PHPMyVisites