python脚本实现分析dns日志并对受访域名排行
前段时间有个需求是要求查一段时间的dns上的域名访问次数排行(top100)，没办法，只好慢慢的去解析dns日志呗，正好学习了python，拿来练练手。
1.原始数据分析：
首先看下原始数据文件，即dns日志内容，下面是抽取的几条有代表性的日志，2×8.2×1.2x.1×5 这种中间的x是相应的数字被我抹去了。
13-08-30 03:11:34,226 INFO : queries: – |1×3.2×8.2×0.2×0|config.dengluqi.net||config.34245.com.;127.0.0.1;||A|success|+|–G—- qr rd ra |1|
13-08-30 03:11:34,229 INFO : queries: – |1×3.2×8.2x.2×8|p19.qhimg.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|—w— qr aa rd ra |8061|
13-08-30 03:11:34,238 INFO : queries: – |1×3.2×8.x.9x|shu.taobao.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|—w— qr aa rd ra |59034|
13-08-30 03:11:34,238 INFO : queries: – |1×3.2×8.2×7.1×2|cncjn.phn.live.baofeng.net|default|2×8.2×1.2x.17x;|default;|A|success|+|—w— qr aa rd ra |3004|
可以看出中间的日志采用的是| 分割的，shu.taobao.com 即为我们想要的数据域名，至于域名访问次数统计，则每个域名的一条记录算一次访问。由此我们可以确定一下两点：
a)采用| 作为分割符
b)第二个字段domain为目标数据，我们用作键值，即字典的key
c)domain[key]存储相应域名的访问次数
2.脚本构思：
a)我们的dns日志都是隔一段时间自动切割、压缩为gz文件，因此首先必须采用gzip.open去打开gz文件，这里需要导入gz库。
b)要求查找的是一段时间的域名排行，所以必须有得过滤一段时间，这里我采用了正则的方式去过滤，so导入re正则库。
c)排序，必须对结果进行排序，然后输出topXX的结果，由于是采用字典保存的，而字典是乱想的，所以必须有合适的办法去排序，字典的iteritems正好适用。
3.脚本编写：
明白了大致要点，脚本写起来就很easy了。
代码如下：
#write by siashero
import gzip
import re
file = gzip.open("e:\python_programs\queries.log.CBN-XA-1-3N3.20130803160052.gz")
domain_list= {}
print "time format is 13-08-04 19:1{1,2,3,4,5} "
time = raw_input("please enter a time you want to analysis")
while True:
line = file.readline()
if not line:
break
if re.search(time,line):
domain = line.split(‘|')[2]
if domain in domain_list:
domain_list[domain] += 1
else:
domain_list[domain] = 1
count = 0
for v in sorted(domain_list.iteritems(),key =lambda x:x[1],reverse=True):
print v[1],v[0]
#to print the only top20 domain
if count > 20:
break
count += 1
raw_input("enter a word to finish")
file.close
稍微说下脚本内容，queries.log.CMN-CQ.20130830031330.gz 为具体的一个目标文件，脚本主要是采用字典存储，以domain字段作为key，domain[key]存储访问次数。
稍后调用字典的iteritems 方法生产迭代器进行排序，最后输入top100的域名。
最后的raw_input(“enter a word to finish”) 是因为我在win7下测试的，默认执行完就一闪而过了，加入这行纯碎是为了观察结果，linux下可以删去。
这里稍微别扭的是时间的过滤采用的是正则去过滤的，所以要求输入必须是正则的方式，这点麻烦。
3.执行
说了大半天了，还是先跑下看看效果吧。
可以看出正常输出了top20的域名。
4.总结：
大致实现了相应的要求，只是很多的文件处理的不大好。例如采用正规去过滤时间段，在数据量很大的情况下会对性能有影响。同时感谢同事,最后的字典的排序方法我是抄他的，感谢个～
相关文章
Django解决无法从request.POST中获取URL传进来的参数
这篇文章主要介绍了Django解决无法从request.POST中获取URL传进来的参数问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-12-12
这篇文章主要为大家详细介绍了python实现邮件发送功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-08-08
提取图像的特征点是图像领域中的关键任务，不管在传统还是在深度学习的领域中，特征代表着图像的信息，对于分类、检测任务都是至关重要的。这篇文章主要为大家详细介绍了OpenCV特征点检测与匹配，需要的可以参考一下2022-01-01
这篇文章主要介绍了django项目登录中使用图片验证码的实现代码，代码简单易懂，非常不错，具有一定的参考借鉴价值 ,需要的朋友可以参考下2019-08-08
这篇文章主要介绍了python dumps和loads区别详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-02-02
今天带大家来学习selenium库的使用方法及相关知识总结,文中非常详细的介绍了selenium库,对正在学习python的小伙伴很有帮助,需要的朋友可以参考下2021-05-05
Python中defaultdict与lambda表达式用法实例小结
这篇文章主要介绍了Python中defaultdict与lambda表达式用法,结合实例形式分析了Python中defaultdict与lambda表达式的功能、使用方法及相关注意事项,需要的朋友可以参考下2018-04-04
这篇文章主要为大家详细介绍了python实现遗传算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-03-03
这篇文章主要介绍了python区分不同数据类型的方法实例以及相关知识点，需要的朋友们学习下。2019-10-10
python DataFrame数据分组统计groupby()函数的使用
在python的DataFrame中对数据进行分组统计主要使用groupby()函数，本文主要介绍了python DataFrame数据分组统计groupby()函数的使用，具有一定的参考价值，感兴趣的可以了解一下2022-03-03
最新评论