网站日志分析是做SEO、做运营、做产品、甚至做编辑都必须要掌握的技能，网站日志分析可以帮助我们发现用户行为，搜索引擎抓取规律等，是绝好的网站分析方法。
但是网站日志是一大堆代码，初学者不知道从哪里入手，今天正好遇到了一件事情，就是要从目前负责的”活动家“网站日志中分析订单来源的工作，于是就跟大家分享一些网站日志分析的初级入门技巧。
分析网站日志的作用？
1、我们可以比较准确的定位搜索引擎蜘蛛来爬行我们网站的次数，可以屏蔽伪蜘蛛（此类蜘蛛多以采集为主，会增加我们服务器的开销），常见的正规搜索引擎蜘蛛有：
Google蜘蛛
Mozilla/5.0 （compatible; Googlebot/2.1; +http://www.google.com/bot.html）
Baidu蜘蛛
Baiduspider+（+http://www.baidu.com/search/spider.htm）
Yahoo！蜘蛛
Mozilla/5.0 （compatible; Yahoo！ Slurp/3.0; http://help.yahoo.com/help/us/ysearch/slurp）
Yahoo！中国蜘蛛
Mozilla/5.0 （compatible; Yahoo！ Slurp China; http://misc.yahoo.com.cn/help.html）
微软Bing蜘蛛
msnbot/2.0b （+http://search.msn.com/msnbot.htm）
Google Adsense蜘蛛
Mediapartners-Google
有道蜘蛛
Mozilla/5.0 （compatible; YoudaoBot/1.0; http://www.youdao.com/help/webmaster/spider/; ）
Soso搜搜博客蜘蛛
Sosoblogspider+（+http://help.soso.com/soso-blog-spider.htm）
Sogou搜狗蜘蛛
Sogou web spider/4.0（+http://www.sogou.com/docs/help/webmasters.htm#07）
Twiceler爬虫程序
Mozilla/5.0 （Twiceler-0.9 http://www.cuil.com/twiceler/robot.html）’
Google图片搜索蜘蛛
Googlebot-Image/1.0
Alexa蜘蛛
ia_archiver （+http://www.alexa.com/site/help/webmasters; crawler@alexa.com）
2、通过分析网站日志，我们可以准确定位搜索引擎蜘蛛爬行的页面以及时间长短，我们可以依次有针对性的对我们的网站进行微调。
3、http返回状态码，搜索引擎蜘蛛以及用户每访问我们的网站一次，服务器端都会产生类似301，404，200的状态吗，我们可以参照此类信息，对我们出现问题的网站进行简单的诊断，及时处理问题。
如何找到网站日志文件？
查看日志之前首先是需要将网站日志下载下来。现在一般虚拟空间商都会提供“访问日志下载”这一功能，如果你是独立主机的话，就直接去IIS或者apache中查看日志存放的位置，然后下载你需要查看的那些日志。
一般当天的网站日志会在隔天生成，等隔天的时候在直接登录上你再用flashfxp软件登录上你的ftp里面，打开“log”文件夹，文件夹里面就有你想要的网站服务器日志。
如何打开网站日志？
网站日志下载下来是一个文本文档 (.log)，你可以用文档直接打开，不过基本上是下面这个样子的：用记事本打开网站日志的样子
代明博客建议使用dreamweaver或者ue_chinese打开，方便查看，如下图：
打开了日志以后如何查看？
我们从日志表面可以得到的信息有：访客IP、访问时间、访问页面、访问状态码、耗费流量、访问来源、访客属性等。下面以“活动家www.huodongjia.com”这个网站的一条网站日志来举例说明：
111.206.199.63 – - [12/Jan/2015:01:15:12 +0800] “GET /event-211709.html HTTP/1.1″ 200 11358 “http://www.huodongjia.com/search/?keyword=%E9%A9%AC%E6%8B%89%E6%9D%BE” “Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36″ – “0.054″
111.206.199.63 表示访客IP。
[12/Jan/2015:01:15:12 +0800] 表示访客到访的时间。
/event-211709.html 表示所访问的网页。
200 表示访问返回的状态码，这里的200表示正常访问。
7 K; x* d- U% B$ P
11358 表示访问这个页面所耗费的流量。
http://www.huodongjia.com/search/?keyword=%E9%A9%AC%E6%8B%89%E6%9D%BE 表示访客是从这个页面进入到当前页面的。
最后那一坨，表示访客的属性，包括浏览器、操作系统等信息。
分析网站日志要关注哪些方面？
1、注意那些被频繁访问的资源
如果在日志中，你发现某个资源（网页、图片和mp3等）被人频繁访问，那你应该注意该资源被用于何处了！如果这些请求的来源（Referer）不是你的网站或者为空，且状态码（Http Code）为200，说明你的这些资源很可能被人盗链了，通过 Referer 你可以查出盗链者的网址，这可能就是你的网站流量暴增的原因，你应该做好防盗链了。请看下图，我网站上的japan.mp3这个文件就被人频繁的访问了，下图还只是日志的一部分，这人极其险恶，由于我早已将该文件删除，它迟迟要不到japan.mp3，在短短一个小时内对japan.mp3发起了不下百次的请求，见我设置了防盗链就伪造来源Referer和Agent，还不断地更换IP，很可惜它做得都是无用功，根本没有这个文件，请求的状态码Http Code都是403或者404。
2、注意那些你网站上不存在资源的请求
如果某些请求信息不是本站的资源，Http Code不是403就是404，但从名称分析，可能是保存数据库信息的文件，如果这些信息让别人拿走，那么攻击你的网站就轻松多了。发起这些请求的目的无非就是扫描你的网站漏洞，通过漫无目的地扫描下载这些已知的漏洞文件，很可能会发现你的网站某个漏洞哦！通过观察，可以发现，这些请求所使用的Agent差不多都是Mozilla/4.0、Mozilla/5.0或者libwww-perl/等等非常规的浏览器类型，以上我提供的日志格式化工具已经集成了对这些请求的警报功能。我们可以通过禁止这些Agent的访问，来达到防止被扫描的目的，具体方法下面再介绍。
3、观察搜索引擎蜘蛛的来访情况
通过观察日志中的信息，你可以看出你的网站被蜘蛛访问的频率，进而可以看出你的网站是否被搜索引擎青睐，这些都是SEO所关心的问题吧。日志格式化工具已经集成了对搜索引擎蜘蛛的提示功能。
4、观察访客行为
通过查看格式化后的日志，可以查看跟踪某个IP在某个时间段的一系列访问行为，单个IP的访问记录越多，说明你的网站PV高，用户粘性好；如果单个IP的访问记录希希，你应该考虑如何将你的网站内容做得更加吸引人了。通过分析访客的行为，可以为你的网站建设提供有力的参考，哪些内容好，哪些内容不好，确定网站的发展方向；通过分析访客的行为，看看他们都干了些什么事，可以揣测访客的用意，及时揪出恶意用户。
! A8 E7 ?, N9 s7 R* {9 q& j' `+ d
分析网站日志后发现了问题怎么办？
上面说了如何分析你的日志，下面我们来讲讲如何御敌于前千里之外。我们这里以Linux主机的.htaccess编写为例来讲解如何防范恶意请求。
1、封杀某个IP
如果你不想让某个IP来访问你的网站，可以将其封杀。封杀防范有二：其一，在cPanel面板中有个Security – IP Deny Manager，点击进去填上要封杀的IP即可；其二，在.htaccess中加入以下语句，即可封杀这两个IP 123.165.54.14、123.165.54.15，以及123.165.55这个IP段，多个同理：
deny from 123.165.54.14
deny from 123.165.54.15
deny from 123.165.55
2、封杀某个浏览器类型（Agent）
通常情况下，如果是使用机器人来扫描或者恶意下载你的网站资源，它们使用的Agent差不多都是一个类型，例如我上面所说的Mozilla/4.0、Mozilla/5.0或者libwww-perl/等。你可以封杀某个Agent，来达到防范攻击的目的。在.htaccess中添加以下规则：
SetEnvIfNoCase User-Agent “.Firefox/3.6.3.” bad_agent
<Limit GET POST>
Order Allow,Deny
Allow from all
Deny from env=bad_agent
</Limit>
以上规则封杀了Agent中含有Firefox/3.6.3的来源，也就是包括以下例子的Agent将无法访问你的网站：
Agent: Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3
以上只是个例子，切不可用于你的网站，否则使用Firefox 3.6.3的用户就不可以访问你的网站了，访问结果Http Code都是403，他们看到都是403页面，也就是禁止访问页面。这里让我来教你如何编写封杀的规则，以上语句SetEnvIfNoCase User-Agent “.Firefox/3.6.3.” bad_agent指定了要封杀的规则，核心语句”.Firefox/3.6.3.” 用于匹配含有 Firefox/3.6.3 的来源，写法见正则表达式的写法。
下面是一个完整例子，你可以套用，相信你也可以写出自己的规则：
Block Bad Bots by user-Agent
SetEnvIfNoCase User-Agent “^libwww-perl” bad_agent
SetEnvIfNoCase User-Agent “^Mozilla/4.0$” bad_agent
SetEnvIfNoCase User-Agent “^Mozilla/5.0$” bad_agent
SetEnvIfNoCase User-Agent “^$” bad_bot
<Limit GET POST>
Order Allow,Deny
Allow from all
Deny from env=bad_bot
</Limit>
3、封杀某个来源（Referer）
如果某个网站频繁地对你网站进行盗链，且不听劝，那你可以通过禁止它的Referer，来达到防盗链目的，下面举个例子来禁止http://www.google.com这个网站对你网站的盗链，正则的编写跟上面的无异，在.htaccess中添加以下规则：
SetEnvIf Referer “^http://www.google.com” bad_referer
<filesmatch “.(jpg|gif|png|css|js|bmp|mp3|wma|swf)”>
Order Allow,Deny
Allow from all
Deny from env=bad_referer
</filesmatch>
4、防盗链
通过对来源（Referer）的判断，使用以下代码可以达到简单的防盗链。以下列出的网址，允许访问你网站上后缀名为jpg|gif|png|css|js|bmp|mp3|wma|swf的文件，其余网站全部禁止访问这些文件，正则的写法与上面说的相同，你可以将其中的域名稍作更改，然后应用于你的网站，在.htaccess中添加以下规则：
SetEnvIf Referer “^http://www.ludou.org/” local_referer
SetEnvIf Referer “^http://cache.baidu.com/” local_referer
将以下语句中的 # 去除，即可允许Referer为空的请求，一般设置允许为好SetEnvIf Referer “^$” local_referer
<filesmatch “.(jpg|gif|png|css|js|bmp|mp3|wma|swf)”>
Order Deny,Allow
Deny from all
Allow from env=local_referer
</filesmatch>
5、文件重命名
即使你网站上的资源被人盗链了，通过文件重命名，同样可以达到防盗链的目的，毕竟盗链者不知道你改了文件名，它也不会整天监视你的文件。
这里代明博客建议新手站长，刚开始尽量不要使用智能化的网站日志分析工具，因为这样你会变懒...一些基本的东西你都不理解，不知道能从网站日志中得到哪些东西。这是做网站最基本的知识，请站长们牢记。
