利用淘宝IP库分析web日志来源分布

web访问日志中含有来访IP，通过IP查看归属地，最后统计访问的区域分布，可细化到省、市

淘宝接口地址：http://ip.taobao.com/service/getIpInfo.php?ip=14.215.177.38，后面的IP按需修改

例如要查看14.215.177.38这个地址的相关信息，返回的信息如下：

{"code":0,"data":

{"country":"\u4e2d\u56fd",

"country_id":"CN",

"area":"\u534e\u5357",

"area_id":"800000",

"region":"\u5e7f\u4e1c\u7701",

"region_id":"440000",

"city":"\u5e7f\u5dde\u5e02",

"city_id":"440100",

"county":"",

"county_id":"-1",

"isp":"\u7535\u4fe1",

"isp_id":"100017",

"ip":"14.215.177.38"}

}

返回内容以字典形式保存，code表示查询状态（0为成功，1为失败），具体的信息有：所属国家、区域、省份、市、所属运营商。由于用unicode编码，中文保存成\u4e2d等形式，使用unicode转中文工具即可查看其中的内容。

要求，分析访问IP的所属省份（国外IP划分在一起），分析各个省份分布比例。日志中的IP先处理保存成次数+IP的格式：

代码如下：

#!/usr/bin/env python
#coding:utf-8
from __future__ import division
import urllib2
bs_url = "
 
 # 定义一个全局字典，用来存放最终的统计数据，保存格式{‘省份‘:{‘IP‘:次数,...},...}
region_dic = { }
 
 # 用于获取IP信息的函数，并计入以上的字典
def get_data(IP,WIGHT=1):
    city = ""
    area = ""
    country = ""
    region = ""
    isp = ""
    request = urllib2.Request(bs_url+IP)
    reponse = urllib2.urlopen(request)
    #print result
    result = eval(reponse.read())
    #print result
    
    code = result[‘code‘]
    country_id = result[‘data‘][‘country_id‘]
    #print country_id
    if code == 0:
        if country_id == ‘CN‘:
            city = result[‘data‘][‘city‘].decode(‘unicode-escape‘)
            area = result[‘data‘][‘area‘].decode(‘unicode-escape‘)
            country = result[‘data‘][‘country‘].decode(‘unicode-escape‘)
            region = result[‘data‘][‘region‘].decode(‘unicode-escape‘)
            isp = result[‘data‘][‘isp‘].decode(‘unicode-escape‘)
        else:
            region = u"国外"
        #print region
        if region not in region_dic.keys():
            region_dic[‘%s‘%region] = { } 
        region_dic[‘%s‘%region][‘%s‘%IP] = int(WIGHT)
    else:
        print "request error"
    #print "IP:%s\nCity:%s\nArea:%s\nCountry:%s\nRegion:%s\nISP:%s"%(IP,city,area,country,region,isp)
    
if __name__ == ‘__main__‘:
    count = -1
    ip_list = []
    fo = open(‘ips.txt‘,‘r‘)
    # 要分析的IP保存在文件中
    for line in fo.xreadlines():
        wight,ip = line.strip().split()
        get_data(ip,wight)
        count += int(wight)
    fo.close()
    
    print u‘合计：‘
    for regions,stats in region_dic.items():
        times = 0
        for time in stats.values():
            times += time
        print "%s:%.2f %%"%(regions.encode(‘utf-8‘),int(times)/count)

运行结果：

注：其他可用的IP库接口：

新浪接口 http://int.dpool.sina.com.cn/iplookup/iplookup.php?format=js&ip=14.215.177.38