分析网站日志

lefthanded

为什么要分析网站日志？

网站日志是网站管理员和搜索引擎对话沟通的途径。通过日志可以了解搜索引擎蜘蛛的访问情况。

新网站发布上线，查看看搜索引擎蜘蛛的抓取情况；

如果网站提交给搜索引擎几天后，发现日志里蜘蛛不少，并都返回200，则说明已经可以正常收录。只是Google展示的时间比较快，而百度则需要20天左右（经验平均值）展示出来。

网站收录出现异常，对比日志中蜘蛛的行为情况；

收录正常增加时和现在异常时的日志，进行对比分析。如果没有异常，则应该是搜索引擎展示数据库出问题所致。如果蜘蛛爬取量明显减少，观察是否外链突然减少很多。如果日志依然，则认为是搜索引擎的展示问题。

解决网站被封问题时，观察日志情况。

网站被封时，往往日志里有百度蜘蛛，但很少，而且往往只访问robots.txt文件和首页。改正错误重新提交给搜索引擎，之后观察日志情况。如果一直这样的情况维持1个月，可以考虑放弃该域名。如果蜘蛛明显增加，而且返回200居多，则收录的希望很大，时间问题。

哪里下载日志？

通过FTP访问网站的根目录。可以看到一个包含log的文件夹，这是存放日志的地方。

FTP的工具使用指南

如下图：

如何分析日志？

蜘蛛名称：百度->baiduspider、Google ->Googlebot、Msn ->msnbot、yahoo ->Slurp。

下载、解压、打开日志文件。

日志文件内容如：

203.208.60.43 – - [11/Jan/2009:04:02:43 +0800] "GET /sns/space-13563-do-friend-view-me.html HTTP/1.1" 200 5162 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" （注：Google）

202.160.178.21 – - [11/Jan/2009:04:02:44 +0800] "GET /sns/space.php?uid=323 HTTP/1.0" 200 7535 "-" "Mozilla/5.0 (compatible; Yahoo! Slurp China; http://misc.yahoo.com.cn/help.html)" （注：雅虎）

65.55.220.217 – - [11/Jan/2009:04:02:57 +0800] "GET /ucenter/avatar.php?uid=12373&size=small&type=virtual HTTP/1.1" 301 – "-" "msnbot-media/1.1 (+http://search.msn.com/msnbot.htm)" （注：MSN）

61.135.168.22 – - [11/Jan/2009:04:02:45 +0800] "GET /bbs/thread-7303-1-1.html HTTP/1.1" 200 8450 "-" "Baiduspider+(+http://www.baidu.com/search/spider.htm)" （注：百度）

在日志文件里，搜索以上蜘蛛名称。就可以看到蜘蛛抓取的痕迹。我们分析的主要点是，HTTP状态码，如以上的200和301。" 200 5162 " 代表正常抓取，这次抓取了5162个字节。

在日志里，发现比较多的HTTP状态码是，200（正常）、304（没变化）、404（错误链接）。304代表，自从上次抓取后，该内容没有更新。一般情况下，网站的图片经常会返回该值。404代表，访问的这个链接是错误链接。这个错误链接，一方面来自原本存在后来删除了网页，另一方面可能来自本来就不存在，但其他人外链了这么个死链接。

不同的服务器或虚拟主机设置的日志记录内容不同。有的如：200 0 33834 237 953 我们通过多看几条记录，观察规律，可以判断第三个数字代表字节数。有的如：200 0 0或200 0 64 这是没有记录抓取字节数。注意：200 0 0和200 0 64 没代表什么问题。所谓200 0 64代表要被K的言论没有根据，一般的网站都有64代码。