shell进行SEO日志分析

widows下搭建unix环境，能够在windows下处理基本的shell指令，实现对网站日志灵活细分的需求，获取相对精准的SEO数据。

使用Cygwin实现shell处理环境，Cygwin下载地址：http://www.cygwin.cn/site/install/

Cygwin安装视频过程，参阅http://www.itseo.net/freevideo/show-113.html，仅需安装满足SEO需求的项目即可，全部安装耗费时间很长（下了8G还在跑，）。安装包参考如下：

curl、lynx、python、base、shells

扩展阅读：cygwin安装、windows下安装cygwin及配置

shell基本指令（实现光年日志拆分功能）

shell指令参考：http://www.linuxso.com/command/

cd确定网站日志所在文件夹

cd /cygdrive/d/weblog/

ls显示当前文件夹中的所有文件

cat打开文件&连接文件

cat bj.log

grep提取文件的数据

grep Baiduspider bj.log >bj_baidu.log

grep命令参数：http://blog.chinaunix.net/uid-20544356-id-132341.html

常用grep参数：

-i 忽略大小写

-l 只显示匹配到的文件名

-n 显示行号

-o 只显示匹配的字符

-r 递归查询

-v 只显示不匹配的行

awk分割数据

awk ‘{print $8,$12}’ bj_baidu.log >bj_baidu_url.log

awk ‘{if（$10~”404″）print $8,$12}’ bj_baidu.log >bj_baidu_404.log

awk命令学习参考：

http://www.cnblogs.com/chengmo/archive/2013/01/17/2865479.html

http://blog.csdn.net/jihen/article/details/5957304

sort排序

参考：sort命令参数及其用法详解

uniq数据汇总

shell组合：

1.提取百度蛛蛛访问产生的所有状态码和数量，并按降序排列

awk ‘{print $10}’ baidu.log |sort|uniq -c|sort -nr |awk ‘{print $2 “/t” $1}’ >baiduma.log

2.提取所有404、301、302等非正常状态码的页面并按降序排列

awk ‘{if（$10~”404″）print $8,$10}’ baidu.log|sort >baiduma.log

3.返回状态码为”X”最多的前TOP10二级目录

cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{print $2}’|sort|uniq -c|sort -nr|head -n10

4.计算abc目录在返回状态为“X”时被百度抓取多少次

cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{if（$2~”zufang”）print $0}’|wc -l

5.判断状态码为“X”时abc目录的层级为多少

cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{if（$2~”zufang”&&$3 == “”）print $0}’|wc -l

6.提取返回出错目录的层级前500条，并降序排列

cat baidu.log |awk ‘{if（$810~ “404″）print $8,$6}’|awk -F”//” ‘{if（$2~”zufang” && $4）print $0}’|sort|head -n500

7.统计URL抓取次数，并降序排列

cat baidu.log|awk ‘{print $8}’|sort|uniq -c|sort -nr >paixu.log

8.有多少IP访问

awk ‘{print $1}’ baidu.log|sort|uniq|wc l

9.查看某页面访问次数

grep “/abc/” baidu.log|wc -l

10.每个IP访问次数

cat baidu.log | awk ‘{print $1}’ | sort | uniq -c | sort -k1r

11.某IP访问的页面

grep ‘***.***.***.***’ baidu.log|awk ‘{print $1,$8}’

12.查看所有页面的访问次数，降序排列

cat baidu.log|awk ‘{print $8}’|sort|uniq -c|sort -nr

13.查看记录个数

awk ‘END{print NR}’ baidu.log

14.抓取SERP TOP10的URL

curl -s http://www.baidu.com/s?wd=keywords|grep -o “http://www.baidu.com/link?[^/"|/']*”|xargs curl -s|grep -o “http://[^/"]*”

15.删除重复行

awk ‘！a[$0]++’ filename

16.分词格式处理

戴尔/nr 贝乐/nr

戴尔/nr 国际/n 英语/nz 名师/n

戴尔/nr 国际/n 英语/nz 少儿/n 班/n pre-primary/en 课程/n 及/c 级别/n 介绍/v

戴尔/nr 英语/nz 公主坟/ns

戴氏/nr 教育/vn vip/en 多少/r 钱/n

戴伟/nr 英语口语/n

丹/nr 丹/nr 人文/n 英语/nz

丹东/ns 咖啡/n 培训学校/n

丹东/ns 哪儿/r 有/v 函授/vn 学前教育/l 本科/n 的/uj

丹东/ns 哪家/r 健身房/n 有/v 有氧操/n 课程/n

丹东/ns 那/r 有/v 陪/v 讯/ng

丹东/ns 培训机构/n

丹东/ns 培训中心/n

丹东市/ns 培训学校/n

……

$ expand keywords.txt|tr -s ‘ ‘ ‘/n’|grep -v “^$”

输出结果：

戴尔/nr

贝乐/nr

戴尔/nr

国际/n

英语/nz

名师/n

戴尔/nr

国际/n

英语/nz

少儿/n

班/n

pre-primary/en

课程/n

及/c

级别/n

介绍/v

戴尔/nr

英语/nz

公主坟/ns

戴氏/nr

教育/vn

vip/en

多少/r

钱/n

戴伟/nr

英语口语/n

丹/nr

丹/nr

人文/n

英语/nz

丹东/ns

咖啡/n

培训学校/n

丹东/ns

哪儿/r

有/v

函授/vn

学前教育/l

本科/n

的/uj

丹东/ns

哪家/r

健身房/n

有/v

有氧操/n

课程/n

丹东/ns

那/r

有/v

陪/v

讯/ng

丹东/ns

培训机构/n

丹东/ns

培训中心/n

丹东市/ns

培训学校/n

来源：seo优化网 转载注明出处！