awk - 通过 awk 获得三个最高的网站点击率

Question

所以我正在尝试制作一个 awk 脚本，该脚本按最高三个的顺序确定最多的命中。我这样做是基于一个看起来像的 apache 网络日志

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

为此，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，然后在由 IP 索引的“hitCounter”数组中增加它的命中计数。之后我检查 ips 列表，“ips”，看看命中的 IP 是否已经在那里。如果不是，则将 IP 添加到“ips”数组并且索引计数增加 1。理论上，通过这样做，“ips”中的每个索引都应该与“hitCounter”中的索引相关联。我终于……

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++
}

}

我在这里检查“hitCounter”中的 IP 命中计数，将它们与三个高命中变量中的命中进行比较，如果 IP 命中大于三个高命中变量内容之一，我设置它到当前 IP。

这似乎对我有用，我应该得到“192.168.72.177 192.168.198.92”作为输出，但我却得到“192.168.198.92 192.168.198.92”。

为什么？

编辑:抱歉，这就是我打印最终结果的方式，该结果紧接在“hitCounter”foreach 循环之后...

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

Answer 1

我不会每次都搜索 IP 以查看它是否存在于 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

    }

}

我认为您的部分困惑是认为 i 是 for (i in hitCounter) 中的值而不是键。