通过awk获得三个最高的网站点击率

Question

因此，我正在尝试创建一个awk脚本，按照最高的三个点击率的顺序确定最多的点击量。我这样做是基于apache web日志，它看起来像

192.168.198.92 - - [22/Dec/2002:23:08:37 -0400] "GET    / HTTP/1.1" 200 6394 www.yahoo.com    "-" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1...)" "-"
192.168.198.92 - - [22/Dec/2002:23:08:38 -0400] "GET    /images/logo.gif HTTP/1.1" 200 807 www.yahoo.com    "http://www.some.com/" "Mozilla/4.0 (compatible; MSIE 6...)" "-"
192.168.72.177 - - [22/Dec/2002:23:32:14 -0400] "GET    /news/sports.html HTTP/1.1" 200 3500 www.yahoo.com    "http://www.some.com/" "Mozilla/4.0 (compatible; MSIE ...)" "-"
192.168.72.177 - - [22/Dec/2002:23:32:14 -0400] "GET    /favicon.ico HTTP/1.1" 404 1997 www.yahoo.com    "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; rv:1.7.3)..." "-"
192.168.72.177 - - [22/Dec/2002:23:32:15 -0400] "GET    /style.css HTTP/1.1" 200 4138 www.yahoo.com    "http://www.yahoo.com/index.html" "Mozilla/5.0 (Windows..." "-"
192.168.72.177 - - [22/Dec/2002:23:32:16 -0400] "GET    /js/ads.js HTTP/1.1" 200 10229 www.yahoo.com    "http://www.search.com/index.html" "Mozilla/5.0 (Windows..." "-"
192.168.72.177 - - [22/Dec/2002:23:32:19 -0400] "GET    /search.php HTTP/1.1" 400 1997 www.yahoo.com    "-" "Mozilla/4.0 JJohnJoJJJJJoJJoJJJJJoJJohJJJJJJJJJJJJohnJohJoJoJJJoJJ

为了做到这一点，我这样做：

$1 ~ /[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}/ {
hitCounter[$1]++
notIndexed=1
for(i in ips) {
if (i==$1) { notIndexed=0 }
}
if(notIndexed==1) {
ips[indexx]=$1
indexx++
}
}

此行检测一个IP，然后在"hitCounter“数组中递增该IP的命中计数，该数组由IP索引。然后，我检查IP列表" ips "，看看命中的IP是否已经在其中。如果不是，则将该IP添加到"ips“数组中，并且索引计数加1。从理论上讲，通过这样做，"ips“中的每个索引都应该与"hitCounter”中的索引相关。我终于有了..。

END {

indexxx=0
for (i in hitCounter) {
if (i>hitCounter[firstIP])
    firstIP=ips[indexxx]
else if (i>hitCounter[secondIP])
    secondIP=ips[indexxx]
else
    thirdIP=ips[indexxx]

indexxx++
}

}

正是在这里，我检查了"hitCounter“中的IP命中计数，将它们与三个高命中率变量中的命中率进行比较，如果IP命中率大于三个高命中率变量内容之一，则将其设置为当前IP。

这对我来说似乎是可行的，我应该得到"192.168.72.177 192.168.198.92“作为输出，但我得到的却是"192.168.198.92 192.168.198.92”。

为什么？

编辑:对不起，这是我打印最终结果的方式，它被放在"hitCounter“foreach循环之后……

print "The most hits were from "firstIP" "secondIP" "thirdIP

Answer 1

我不是每次都搜索IP来查看它是否存在于IP地址列表中，而是这样做：

$1 ~ /[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}/ {
    hitCounter[$1]++
}


END {

    for (ip in hitCounter) {
        if (hitCounter[ip] > hitCounter[firstIP])
            thirdIP = secondIP
            secondIP = thirdIP
            firstIP = ip
        else if (hitCounter[ip] > hitCounter[secondIP])
            thirdIP = secondIP
            secondIP = ip
        else
            thirdIP = ip

    }

}

我认为您混淆的部分原因是认为i是for (i in hitCounter)中的价值而不是关键。