这篇文章主要介绍了PHP统计nginx访问日志中的搜索引擎抓取404链接页面路径,可以对每个搜索引擎单独统计,需要的朋友可以参考下。

我在服务器上有每天切割nginx日志的习惯，所以针对每天各大搜索引擎来访，总能记录一些404页面信息，传统上我只是偶尔分析下日志，但是对于很多日志信息的朋友，人工来筛选可能不是一件容易的事情，这不我个人自己慢慢研究了一点点，针对谷歌、百度、搜搜、360搜索、宜搜、搜狗、必应等搜索引擎的404访问生成为一个txt文本文件，直接上代码test.php，代码如下:

1. <?php 
2. //访问test.php?s=google 
3. $domain='https://www.phpfensi.com'; 
4. $spiders=array('baidu'=>'Baiduspider','360'=>'360Spider', 
5. 'google'=>'Googlebot','soso'=>'Sosospider','sogou'=> 
6. 'Sogou web spider','easou'=>'EasouSpider','bing'=>'bingbot'); 
7.  
8. $path='/home/nginx/logs/'.date('Y/m/').(date('d')-1).'/access_www.txt'; 
9.  
10. $s=$_GET['s']; 
11.  
12. if(!array_key_exists($s,$spiders)) die(); 
13. $spider=$spiders[$s]; 
14.  
15. $file=$s.'_'.date('ym').(date('d')-1).'.txt'; 
16. if(!file_exists($file)){ 
17.     $in=file_get_contents($path); 
18.     $pattern='/GET (.*) HTTP\/1.1" 404.*'.$spider.'/'; 
19.     preg_match_all ( $pattern , $in , $matches ); 
20.     $out=''; 
21.     foreach($matches[1] as $k=>$v){ 
22.         $out.=$domain.$v."\r\n"; 
23.     } 
24.     file_put_contents($file,$out); 
25. } 
26.  
27. $url=$domain.'/silian/'.$file; 
28. echo $url; 

好就这样了。没有什么高深的技术，只有动手写的过程。

Tags: PHP统计nginx访问日志

分享到：