Python脚本实现站群蜘蛛访问统计及独立分析页面
高效监控站群搜索引擎蜘蛛抓取行为至关重要。本文将介绍如何利用Python脚本分析服务器日志，统计蜘蛛访问数据，并创建独立的分析页面，直观展现抓取情况。
首先，我们使用Python脚本处理服务器日志文件，提取蜘蛛访问信息。以下代码示例可分析Nginx或Apache日志，统计不同搜索引擎蜘蛛的抓取情况。 创建名为spider_stats.py的Python文件，并粘贴以下代码：
import sys
import pandas as pd
logfile = sys.argv[1] if len(sys.argv) > 1 else "access.log"
# 读取日志文件
try:
with open(logfile, 'r', encoding='utf-8') as f: # 添加编码处理，避免乱码
log_data = f.readlines()
except FileNotFoundError:
print(f"Error: Log file '{logfile}' not found.")
sys.exit(1)
# 解析日志数据 (根据你的日志格式调整)
log_entries = []
for line in log_data:
try:
parts = line.split()
if len(parts) > 10:
log_entries.append({
"ip": parts[0],
"date": parts[3][1:],
"request": parts[6], # 调整字段索引以匹配你的日志格式
"status": parts[8],
"agent": " ".join(parts[11:]) # 调整字段索引以匹配你的日志格式
})
except IndexError:
print(f"Warning: Skipping malformed log line: {line.strip()}")
df = pd.DataFrame(log_entries)
# 定义蜘蛛 User-Agent
spider_agents = [
"googlebot",
"bingbot",
"baiduspider",
"yandexbot",
"sogou",
# 添加其他蜘蛛 User-Agent
]
# 筛选蜘蛛请求
df['spider'] = df['agent'].str.extract(f"({'|'.join(spider_agents)})", expand=False)
spider_df = df[df['spider'].notna()]
# 按蜘蛛类型和日期汇总统计
spider_summary = spider_df.groupby(['spider', 'date']).size().reset_index(name='count')
print(spider_summary)
# 可选：保存数据到 CSV 文件
spider_summary.to_csv('spider_stats.csv', index=False)
将脚本上传至服务器日志目录（例如Nginx的/var/log/nginx/），运行脚本：
python3 spider_stats.py access.log
脚本将输出蜘蛛访问统计结果，并可选地将结果保存为CSV文件。
立即学习“Python免费学习笔记（深入）”；
接下来，创建一个独立的分析页面。 可以使用Flask或Django等Web框架。以下是一个简单的Flask示例，读取CSV文件并显示数据：
from flask import Flask, render_template, jsonify
import pandas as pd
app = Flask(__name__)
@app.route('/')
def index():
try:
df = pd.read_csv('spider_stats.csv')
data = df.to_dict(orient='records')
return render_template('index.html', data=data)
except FileNotFoundError:
return "Error: spider_stats.csv not found."
if __name__ == '__main__':
app.run(debug=True) # debug模式方便开发，上线时需关闭
你需要创建一个名为index.html的模板文件来展示数据 (例如使用图表库，如Chart.js)。
这个方案提供了更健壮的错误处理和更清晰的数据处理流程，并增加了将结果保存为CSV文件的选项，方便后续更复杂的分析或与其他工具集成。 记住根据你的日志格式调整脚本中的字段索引。 独立分析页面的构建需要根据你的需求选择合适的Web框架和前端技术。
