widows下搭建unix环境，能够在windows下处理基本的shell指令，实现对网站日志灵活细分的需求，获取相对精准的SEO数据。
使用Cygwin实现shell处理环境，Cygwin下载地址：http://www.cygwin.cn/site/install/
Cygwin安装视频过程，参阅http://www.itseo.net/freevideo/show-113.html，仅需安装满足SEO需求的项目即可，全部安装耗费时间很长（下了8G还在跑，囧）。安装包参考如下：
curl、lynx、python、base、shells
扩展阅读：cygwin安装、windows下安装cygwin及配置
shell基本指令（实现光年日志拆分功能）
shell指令参考：http://www.linuxso.com/command/
cd–确定网站日志所在文件夹
cd /cygdrive/d/weblog/
ls–显示当前文件夹中的所有文件
cat–打开文件&连接文件
cat bj.log
grep–提取文件的数据
grep Baiduspider bj.log >bj_baidu.log
grep命令参数：http://blog.chinaunix.net/uid-20544356-id-132341.html
常用grep参数：
-i 忽略大小写
-l 只显示匹配到的文件名
-n 显示行号
-o 只显示匹配的字符
-r 递归查询
-v 只显示不匹配的行
awk–分割数据
awk ‘{print $8,$12}’ bj_baidu.log >bj_baidu_url.log
awk ‘{if（$10~”404″）print $8,$12}’ bj_baidu.log >bj_baidu_404.log
awk命令学习参考：
http://www.cnblogs.com/chengmo/archive/2013/01/17/2865479.html
http://blog.csdn.net/jihen/article/details/5957304
sort–排序
参考：sort命令参数及其用法详解
uniq–数据汇总
shell组合：
1.提取百度蛛蛛访问产生的所有状态码和数量，并按降序排列
awk ‘{print $10}’ baidu.log |sort|uniq -c|sort -nr |awk ‘{print $2 “/t” $1}’ >baiduma.log
2.提取所有404、301、302等非正常状态码的页面并按降序排列
awk ‘{if（$10~”404″）print $8,$10}’ baidu.log|sort >baiduma.log
3.返回状态码为”X”最多的前TOP10二级目录
cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{print $2}’|sort|uniq -c|sort -nr|head -n10
4.计算abc目录在返回状态为“X”时被百度抓取多少次
cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{if（$2~”zufang”）print $0}’|wc -l
5.判断状态码为“X”时abc目录的层级为多少
cat baidu.log|awk ‘{if（$10~”404″）print $8,$6}’ |awk -F”//” ‘{if（$2~”zufang”&&$3 == “”）print $0}’|wc -l
6.提取返回出错目录的层级前500条，并降序排列
cat baidu.log |awk ‘{if（$810~ “404″）print $8,$6}’|awk -F”//” ‘{if（$2~”zufang” && $4）print $0}’|sort|head -n500
7.统计URL抓取次数，并降序排列
cat baidu.log|awk ‘{print $8}’|sort|uniq -c|sort -nr >paixu.log
8.有多少IP访问
awk ‘{print $1}’ baidu.log|sort|uniq|wc –l
9.查看某页面访问次数
grep “/abc/” baidu.log|wc -l
10.每个IP访问次数
cat baidu.log | awk ‘{print $1}’ | sort | uniq -c | sort -k1r
11.某IP访问的页面
grep ‘***.***.***.***’ baidu.log|awk ‘{print $1,$8}’
12.查看所有页面的访问次数，降序排列
cat baidu.log|awk ‘{print $8}’|sort|uniq -c|sort -nr
13.查看记录个数
awk ‘END{print NR}’ baidu.log
14.抓取SERP TOP10的URL
curl -s http://www.baidu.com/s?wd=keywords|grep -o “http://www.baidu.com/link?[^/"|/']*”|xargs curl -s|grep -o “http://[^/"]*”
15.删除重复行
awk ‘！a[$0]++’ filename
16.分词格式处理
戴尔/nr 贝乐/nr
戴尔/nr 国际/n 英语/nz 名师/n
戴尔/nr 国际/n 英语/nz 少儿/n 班/n pre-primary/en 课程/n 及/c 级别/n 介绍/v
戴尔/nr 英语/nz 公主坟/ns
戴氏/nr 教育/vn vip/en 多少/r 钱/n
戴伟/nr 英语口语/n
丹/nr 丹/nr 人文/n 英语/nz
丹东/ns 咖啡/n 培训学校/n
丹东/ns 哪儿/r 有/v 函授/vn 学前教育/l 本科/n 的/uj
丹东/ns 哪家/r 健身房/n 有/v 有氧操/n 课程/n
丹东/ns 那/r 有/v 陪/v 讯/ng
丹东/ns 培训机构/n
丹东/ns 培训中心/n
丹东市/ns 培训学校/n
……
$ expand keywords.txt|tr -s ‘ ‘ ‘/n’|grep -v “^$”
输出结果：
戴尔/nr
贝乐/nr
戴尔/nr
国际/n
英语/nz
名师/n
戴尔/nr
国际/n
英语/nz
少儿/n
班/n
pre-primary/en
课程/n
及/c
级别/n
介绍/v
戴尔/nr
英语/nz
公主坟/ns
戴氏/nr
教育/vn
vip/en
多少/r
钱/n
戴伟/nr
英语口语/n
丹/nr
丹/nr
人文/n
英语/nz
丹东/ns
咖啡/n
培训学校/n
丹东/ns
哪儿/r
有/v
函授/vn
学前教育/l
本科/n
的/uj
丹东/ns
哪家/r
健身房/n
有/v
有氧操/n
课程/n
丹东/ns
那/r
有/v
陪/v
讯/ng
丹东/ns
培训机构/n
丹东/ns
培训中心/n
丹东市/ns
培训学校/n
来源：SEO自学网 闽南seo，欢迎你，闽南seo开启你的seo之路