从Apache日志文件中获取访问量最大的页面(Top)

Apache日志文件可能很庞大且难以阅读。
这里提供一种从Apache日志文件中获取访问量最大的页面(或文件)列表的方法。

在此示例中，我们只需要知道GET请求中的URL。编程实现将使用Python的集合中强大的Counter计数器

import collections

logfile = open("yourlogfile.log", "r")

clean_log=[]

for line in logfile:
    try:
        # copy the URLS to an empty list.
        # We get the part between GET and HTTP
        clean_log.append(line[line.index("GET")+4:line.index("HTTP")])
    except:
        pass

counter = collections.Counter(clean_log)

# get the Top 50 most popular URLs
for count in counter.most_common(50):
    print(str(count[1]) + "	" + str(count[0]))

logfile.close()