[发明专利]Web访问日志处理方法

权利要求书

1.一种Web访问日志处理方法，其特征在于，包括下述步骤：

步骤S1，首先从Web服务器端读取Web日志文件，使用正则表达式获取Web日志文件格式结构中的信息，从而将得到的Web日志文件格式化；

步骤S2，进行Web日志清理；

步骤S3，进行用户识别：

步骤S4，进行用户会话识别，在用户会话识别后，参考referrer属性形成带有用户访问操作顺序的序列，即用户访问操作序列；

步骤S5，进行路径补充；对于用户通过返回按钮返回前一页时，缺失的日志记录补充完整；

步骤S6，进行事务识别。

2.如权利要求1所述的Web访问日志处理方法，其特征在于：

所述步骤S2中包括：

S2.1，清除爬虫所产生的日志条目；

S2.2，清除path属性值后缀名是GIF、JPG、JPEG、PNG、MIDI、MP3、AVI、CSS、JS的日志条目；

S2.3，清除客户请求不成功的日志条目，即status号码属性值不为2XX的日志条目：

S2.4，清除请求方式不是GET和POST的日志条目。

3.如权利要求1所述的Web访问日志处理方法，其特征在于：

所述步骤S3中用户识别规则为：

（a）IP地址不同则不是同一个用户；

（b）在IP地址相同的情况下，如果使用的浏览器或者操作系统不同，则用户不同；

（c）如果IP地址相同且浏览器和操作系统也相同，就根据引用页进行区别；如果引用页为空，就认为是一个新的站点用户；如果引用页不为空并且多个用户都包含这个引用页，则将该引用页划为时间上最近访问用户，然后不同的引用页对应不同的用户。

4.如权利要求1所述的Web访问日志处理方法，其特征在于：

步骤S4中，会话识别的规则为：如果用户访问两个页面请求的时间差超过一定阈值，就认为用户开始了一个新的会话。

5.如权利要求1所述的Web访问日志处理方法，其特征在于：

步骤S6中，采用最大前向参引模型的方法进行事务识别。