一、cd指令:用于确定日志文件所在的文件夹。
如日志在d盘:
1
|
cd d: 或 cd /cygdrive/d/
|
如日志在d盘weblog文件夹,那使用指令:
1
|
cd /cygdrive/d/weblog/
|
返回上级目录:
1
|
cd ..
|
返回底层目录:
1
|
cd ~
|
注:cygwin的默认文件夹是cygwin安装文件中home/administrator文件夹,可以通过指令来修改默认文件夹,具体指令请上网搜索。
二、ls指令:显示目前文件夹中所有文件
比如当前路径是在/d/weblog/
1
|
ls -a, –all /d/weblog
|
就可以显示出/d/weblog/中所有文件。
三、cat指令:连接文件
当几个日志需要连接融合时,需要用到cat指令,cat的全称是concatenate,为连接之意,如我想看4月份的日志情况,需要用到ex120401.log, ex120402.log, ex120403.log…等日志文件,我可以使用下列指令:
1
|
cat ex12*.log > april.log
|
那么4月的所有日志文件就会合为april这一个文件了。
注:
1、ex12*.log中的*号为通配符,可代表所有字母或数字。
2、cat ex12*.log> april.log后面的“> april.log”代表把日志文件导出为一个名为april.log的文件,如果没有“april.log”,那所有的数据只会在编辑器中出现,并不导出。
四、grep指令:提取文件中的部分数据
1
|
grep A B.log >C.log
|
其中A是要在文件中提取的数据,比如要提取百度蜘蛛数据,那这里就是Baiduspider;B.log指的是要提取的目标文件,比如上面的april.log;C.log是提取出的数据要导出的文件,比如要把数据导出为baidu.log,那这里就应该为baidu.log。下面是一个例子,要提取april.log文件中百度蜘蛛数据,并导出为aprilbaidu.log,指令为:
1
|
grep Baiduspider april.log >aprilbaidu.log
|
注:
1、grep的提取是找到相应的数据,并把整行数据都提取出来。
2、大小写不能搞错。
5月17日补充:
1
|
grep -v:排除指令
|
grep -v排除不需要的数据,跟grep用法正好相反。
五、awk指令:分割相应的列数据
1
|
2012
-
04
-
29
00
:
03
:
03
GET /ask/m140.html -
80
-
220.181
.
108.100
HTTP/
1.1
Mozilla/
5.0
+(compatible;+Baiduspider/
2.0
;++http:
//www.baidu.com/search/spider.html) - - www.mengtiankong.com 200 0 0 5149 327 15
|
以上是百度蜘蛛抓取小站的日志情况,根据中间的空格可以分为19列(根据日志设置各有不同),awk可以单独提取出其中的某一列,比如要单独提取出其中的时间和URL:
1
|
awk ‘{print $
2
,$
4
}’ aprilbaidu.log > url.log
|
其中的$2,$4是所对应的列数,aprilbaidu.log是要分割的文件,url.log是相应数据的导出文件。
六、sort指令:排序
这个就是简单的排序,如果本来是按照原来的顺序,“1,2,9,5,1,2,6,4”,那么使用sort之后将是“1,1,2,2,4,5,6,9”。
另外,sort –nr 按照降序排列。
七、uniq指令:对数据进行汇总
这个只用uniq –c,表示周围数据排序整理,比如经过sort排序后是这样的
1
2
3
4
5
6
7
|
/ask1/
/ask1/
/ask1/
/ask2/
|
那么使用uniq –c后会变为这种:
1
2
3
|
3
/ask1/
1
/ask2/
|
注:由于uniq –c只能对周围数据排序整理,所以需要先对数据sort排序处理。
八、|符号的使用
|符号表示把后面的指令用在前面的文件上,比如
1
|
cat ex*.log |grep Baiduspider >baidu.log
|
标题将所有ex开头的log文件融合,然后提取出其中包含Baiduspider的部分。
九、常用shell指令汇总
1、把百度蜘蛛数据提取出来
1
|
grep Baiduspider ex*.log >baidu.log
|
2、调取不重复抓取URL数据,并按照降序排列
1
|
awk ‘{print $
7
}’ baidu.log |sort|uniq –c|sort –nr>zhuaqu.log
|
3、调取爬虫IP,并按照降序排列
1
|
awk ‘{print $
11
}’ baidu.log |sort|uniq –c|sort –nr>zhuaqu.log
|
4、调取返回码,并按照降序排列
1
|
awk ‘{print $
17
}’ baidu.log |sort|uniq –c|sort –nr>zhuaqu.log
|