查自己网站的网站访问记录，最直接的记录办法是翻服务器日志。但多数人拿到那堆文件时第一反应是查询懵的——一行行文本密密麻麻，时间戳、网站IP、记录请求路径挤在一起，查询像被搅乱的网站流水账。我见过一个做独立博客的记录朋友，服务器跑了三年，查询日志文件攒到2.7GB，网站他从来没打开过。记录直到有天发现有人批量抓取他的查询原创文章，才急着来找我帮忙分析。网站

日志里能看出很多东西。记录比如某个IP在凌晨三点连续请求了四百多次，查询每次间隔不到两秒，这显然不是人类行为。再比如某个地区的访问量突然暴涨，但跳出率接近百分之百，大概率是爬虫或者恶意扫描。这些信息在网站后台的统计工具里往往被过滤掉了，Google Analytics之类的服务默认只记录执行了JavaScript的请求，而很多采集脚本根本不跑JS。

不同服务器的日志格式不太一样。Apache默认的combined格式长这样：

192.168.1.1 - - [10/Oct/2023:14:23:01 +0800] "GET /article/123 HTTP/1.1" 200 4523 "https://example.com/" "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"

Nginx默认的main格式稍微简洁些，但核心字段差不多。关键是学会看几个东西：IP地址、时间戳、请求方法、状态码、User-Agent。状态码404太多说明有死链或者有人在探测路径，503频繁出现意味着服务器扛不住了。User-Agent里带“bot”“spider”“scrapy”字样的，基本可以判定为自动化程序。

命令行工具比图形界面快得多。用awk统计独立IP数：

awk '{ print $1}' access.log | sort -u | wc -l

想看访问量前十的IP：

awk '{ print $1}' access.log | sort | uniq -c | sort -rn | head -10

这些命令我用了快八年，比任何日志分析软件都顺手。Windows服务器的话，装个Git Bash或者WSL也能跑。别去折腾那些花哨的ELK栈，除非你每天日志量超过几个GB，否则纯属给自己找麻烦。

有个细节容易被忽略：日志里的时间戳通常是服务器时区。如果你的服务器在UTC时区，而你在东八区，看到的“凌晨三点”其实是北京时间上午十一点。这个坑我踩过，当时误判了一个爬虫的活跃时段，后来在日志里加了时区转换才看明白。

网站后台自带的“访问记录”功能往往靠不住。WordPress的统计插件依赖前端脚本，只能抓到真实浏览器；宝塔面板的日志分析会定期清理旧数据。真要长期追踪，还是得自己保存原始日志。我习惯每周把日志打包归档，按月份建文件夹，用gzip压缩后体积能缩小到原来的十分之一。

查记录这件事，说到底是个体力活加经验活。工具就那几个，命令也不复杂，但面对几百万行数据时，知道该看哪一行、该忽略哪一行，靠的是反复翻日志练出来的直觉。上个月帮人排查流量异常，翻了二十分钟日志就定位到问题——某个被遗忘的测试接口没有加访问限制，被搜索引擎当成了公开页面收录。这种事，统计图表永远看不出来。