最近在做公司的nginx log分析，其中一個需求是提取這個月每天被訪問Top10的頁面，及其訪問量。
做這個需求，首先要清洗出有效的頁面訪問。我採用排除法，去掉 .js .css之類的訪問。但最初，我並不能全面的瞭解要去掉帶有哪些後綴的request。
經過清洗 -> 抽樣 -> 清洗 -> 抽樣 -> 清洗，最終需要過濾掉含有下列後綴的uri
.js .css . gif .jpeg .jpg .png .ico .txt .swf .xml .JPEG .PNG .JPG
#python代碼：
if re.search(r"(\.js|\.css|\.gif|\.jpe?g|\.png|\.ico|\.txt|\.swf|\.JPE?G|\.PNG|\.xml)", request[1]):
continue不同公司的日誌可能存在一些特殊情況，這還需要抽樣分析