どのページが閲覧されたかを知る(3)

アクセスログには、HTMLファイルに関する情報だけではなく、画像ファイル、スタイルファイル、javascriptファイル、その他ファイルなどへのアクセス情報も記述されています。 ページビューを調べるときには、画像ファイルなどに関する閲覧情報はあまり必要ではありません。 ここでは、必要な閲覧情報だけを抜き出してページビュー値を取得する方法を説明したいと思います。

HTMLファイルだけに注目する

ここでは、HTMLファイルとindexだけに注目する方法を説明したいと思います。 URL部分の最後が「.html」で終わるものはHTMLファイルを表しています。 また、index.htmlは省略してURLを「/」で終わらせる事も出来ます。 ここでは、これら二つの条件を満たすURLの時だけページビュー値を増加させます。

以下に、perlスクリプトのサンプルを示します。 前述した例との違い部分は強調してある部分です。


#!/usr/bin/perl

# (注意)/usr/bin/perlの部分は必要に応じて変更してください。

# (注意)"access_log.txt"は解析するアクセスログのファイル名に
#  変更してください。
open(LOGFILE, "access_log.txt") || die $!;

# 一行ずつアクセスログファイルを読みます。
while (<LOGFILE>) {

  # perlのパターンマッチを行っています。
  # $1,$2,...$9にマッチした結果が入ります。
  /^(.*) (.*) (.*) \[(.*)\] "(.*)" (.*) (.*) "(.*)" "(.*)"/;

  # HTTP STATUSが200でないものは除外します
  # 200はOK(成功)を示します
  $httpstatus = $6;
  if ($httpstatus != 200) {
    # 以後の処理は行わず、もう一度while文の最初に行きます
    next;
  }

  # パターンマッチの結果を変数に代入しています。
  $httprequest = $5;

  # スペースで区切ります
  @cols = split(" ", $httprequest);

  # とりあえず、今回のサンプルではGETだけ気にします
  # cgiに関して調べたいときなどには必要に応じてPOSTなどにも対応して下さい

  if ($cols[0] eq "GET") {

    # 2つ目のデータにリクエストされたURLが入っています
    $url = $cols[1];

    if ($url =~ /\.html$/ || $url =~ /\/$/) {
      # URLがHTMLファイルやindexの場合だけ連想配列の値を増やします
      $urlcount{$url}++;
    }
  }
}
close(FILE);

# 連想配列に覚えさせたページビュー数を表示します
# $keyには、URLが入っています
# $valueには、ページビュー数が入っています

while (($key, $value) = each(%urlcount)) {
  print "$value\t$key\n";
}

exit;

ここでは、HTMLとindexだけに注目しましたが、PHPやCGIや画像ファイルなどに注目したい場合もあると思います。 また、HTMLの拡張子が「.html」ではなく「.htm」である場合もあると思います。 そのようなときには、必要に応じてif文の中に条件を追加してください。


IPv6基礎検定

YouTubeチャンネルやってます!