PHP統計nginx訪問日志中的搜索引擎抓取404鏈接頁面路徑

我在服務器上有每天切割nginx日志的習慣，所以針對每天各大搜索引擎來訪，總能記錄一些404頁面信息，傳統上我只是偶爾分析下日志，但是對於很多日志信息的朋友，人工來篩選可能不是一件容易的事情，這不我個人自己慢慢研究了一點點，針對谷歌、百度、搜搜、360搜索、宜搜、搜狗、必應等搜索引擎的404訪問生成為一個txt文本文件，直接上代碼test.php。

復制代碼 代碼如下:
<?php
//訪問test.php?s=google
$domain='http://www.jb51.net';
$spiders=array('baidu'=>'Baiduspider','360'=>'360Spider',
'google'=>'Googlebot','soso'=>'Sosospider','sogou'=>
'Sogou web spider','easou'=>'EasouSpider','bing'=>'bingbot');
 
$path='/home/nginx/logs/'.date('Y/m/').(date('d')-1).'/access_www.txt';
 
$s=$_GET['s'];
 
if(!array_key_exists($s,$spiders)) die();
$spider=$spiders[$s];
 
$file=$s.'_'.date('ym').(date('d')-1).'.txt';
if(!file_exists($file)){
    $in=file_get_contents($path);
    $pattern='/GET (.*) HTTP\/1.1" 404.*'.$spider.'/';
    preg_match_all ( $pattern , $in , $matches );
    $out='';
    foreach($matches[1] as $k=>$v){
        $out.=$domain.$v."\r\n";
    }
    file_put_contents($file,$out);
}
 
$url=$domain.'/silian/'.$file;
echo $url;

好就這樣了。沒有什麼高深的技術，只有動手寫的過程。