前面我们说了shell分析日志常用指令，现在我们随ytkah一起看看shell日志分析进阶篇，假设日志文件为ytkah.log
//统计不重复抓取数量
cat ytkah.log | awk '{print $4}'|sort|uniq|wc -l
//统计所有状态码数量
awk '{print $10}' ytkah.log |sort|uniq -c
//统计某个目录抓取次数
grep "/shop" ytkah.log | awk '{print $4}' |sort |wc –l
//统计各个目录出现404响应码次数
cat ytkah.log |awk 'BEGIN{FS="/| "} {if($(NF-2)==404){print $5,$(NF-2)}}' |sort|uniq -c | sort -r
//统计404页面的抓取数量
awk '{if($10=="404"){print $0}}' ytkah.log|sort|uniq|wc -l
//统计每个ip下对应URL的抓取次数
awk '{print $6,$4}' ytkah.log |sort|uniq –c
//提取百度蜘蛛访问数量前10的网站目录及访问次数，并按降序排列
awk '{print $4}' ytkah.log |grep -P "[^/(a-zA-Z)|^/(a-zA-Z)/]"|awk -F"/" '{print $2}'|sort|uniq -c|sort -r|head -10
//提取某个目录百度蛛蛛访问次数
cat ytkah.log | grep "/shop/"| wc –l
cat ytkah.log |awk '{print $4}' |grep "/shop/" |wc –l
cat ytkah.log |awk '{print $4} |awk –F"/" '{print $2}'|grep "shop"|wc -l
//统计首页抓取的次数占总体抓取次数比率
cat ytkah.log |awk '{print $4}'|awk '{if($0=="/"){n=n+1}}END{print n/NR*100"%"}'
//统计404响应码占总响应码比率
cat ytkah.log |awk '{print $10}'|awk '{if($0=="404"){n=n+1}}END{print n/NR*100"%"}'
//计算百度抓取总时间与总抓取次数
cat ytkah.log|awk '{FS=" "} {print $2}'|awk -F":" '{print $2}'| sort |uniq -c|awk 'BEGIN{print "小时","次数"} {print $2,$1}'|awk '{for(n=0;n<5;n++){b=$2}} {a+=b} {print $0}END{print "总数"b,a}'
//计算百度抓取总字节数
cat ytkah.log |awk '{print $11}'|awk 'BEGIN{total=0}{total+=$1}END{print total}'
//计算平均每次每个网页抓取字节数（小数点后面大于5进1）
cat ytkah.log |awk '{print $11}'|awk 'BEGIN{total=0}{total+=$1}END{print total/NR}'