利用python脚本分析nginx日志内容，默认统计ip、访问url、状态，可以通过修改脚本统计分析其他字段。
一、脚本运行方式
python count_log.py -f med.ihbedu.com.access.log
二、脚本内容
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
1.分析日志，每行日志按空格切分，取出需要统计的相应字段，作为字典的key，遍历相加
2.使用到字典的get方法，通过定义默认值，避免miss key的错误
3.使用列表解析表达式
4.使用sorted函数排序列表
5.使用argparse传入参数
6.nginx日志格式：
log_format access_log
‘$remote_addr - $remote_user [$time_local] $request ‘
‘"$status" $body_bytes_sent "$http_referer" ‘
‘"$http_user_agent" "$request_time"‘ ‘"$upstream_addr"‘ ‘"$upstream_response_time"‘;
7.日志内容：
222.xx.xxx.15 - - [07/Dec/2016:00:03:27 +0800] GET /app/xxx/xxx.apk HTTP/1.0 "304" 0 "-" "Mozilla/5.0 Gecko/20100115 Firefox/3.6" "0.055""-""-"
8.脚本运行结果：
(‘106.xx.xx.46‘, ‘/gateway/xxx/user/mxxxxx/submitSelfTestOfSingleQuestion‘, ‘"200"‘, 299)
(‘182.1xx.xx.83‘, ‘/‘, ‘"200"‘, 185)
(‘222.xx.1xx.15‘, ‘/‘, ‘"200"‘, 152)
(‘125.xx.2xx.58‘, ‘/‘, ‘"200"‘, 145)
"""
import argparse
def count_log(filename, num):
try:
with open(filename) as f:
dic = {}
for l in f:
if not l == ‘\n‘: # 判断空白行
arr = l.split(‘ ‘)
ip = arr[0]
url = arr[6]
status = arr[8]
# 字典的key是有多个元素构成的元组
# 字典的get方法，对取的key的值加1，第一次循环时由于字典为空指定的key不存在返回默认值0，因此读第一行日志时，统计结果为1
dic[(ip, url, status)] = dic.get((ip, url, status), 0) + 1
# 从字典中取出key和value，存在列表中，由于字典的key比较特殊是有多个元素构成的元组，通过索引k[#]的方式取出key的每个元素
dic_list = [(k[0], k[1], k[2], v) for k, v in dic.items()]
for k in sorted(dic_list, key=lambda x: x[3], reverse=True)[:num]:
print(k)
except Exception as e:
print("open file error:", e)
if __name__ == ‘__main__‘:
parser = argparse.ArgumentParser(description="传入日志文件")
# 定义必须传入日志文件，使用格式-f filename
parser.add_argument(‘-f‘, action=‘store‘, dest=‘filename‘, required=True)
# 通过-n传入数值，取出最多的几行，默认取出前10
parser.add_argument(‘-n‘, action=‘store‘, dest=‘num‘, type=int, required=False, default=10)
given_args = parser.parse_args()
filename = given_args.filename
num = given_args.num
count_log(filename, num)本文出自 “linux之路” 博客，请务必保留此出处http://hnr520.blog.51cto.com/4484939/1880663
原文地址：http://hnr520.blog.51cto.com/4484939/1880663
