Logfile-analyse

Na wat surfen een interessant artikel op www.communicatie.net tegengekomen:

WAT IS EEN LOGFILE?
Een logfile is een tekstbestand waar de (web)server informatie over de bezoekers van uw website naar wegschrijft. Zo'n logfile bestaat doorgaans uit drie delen.

Eerste deel
In dit deel staat informatie over de browser die uw bezoeker gebruikt. En omdat ook het besturingssysteem wordt weergegeven weet u tevens welke hardware de betreffende websurfer gebruikt. Een regel uit dit deel van het logfile ziet er zo uit:

Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)

Uit de bovenstaande tekst valt op te maken dat de bezoeker gebruik maakt van Windows in combinatie met Internet Explorer versie 6.0. De bezoekers hieronder surfen daarentegen met respectievelijk Safari (Mac OS X) en Firefox (Linux).

Mozilla/5.0 (Macintosh; U; PPC Mac OS X; nl-nl) AppleWebKit/312.1 (KHTML, like Gecko) Safari/312
Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.7.7) Gecko/20050416 Fedora/1.0.3-1.3.1 Firefox/1.0.3

Tweede deel
Het tweede deel van het logfile is verreweg het meest interessant: hierin staat een compleet overzicht van alle bestanden die van uw site zijn opgevraagd. Een regel uit dit deel van het logfile ziet er zo uit:

fin705.minfin.nl - - [03/May/2005:13:20:04 +0200] "GET /binnenhof.html HTTP/1.1" 200 9255

Wat zegt deze regel? Om te beginnen kunnen we zien waar iemand vandaan komt. In dit geval gaat het om een medewerker van het Ministerie van Financiën. Hij of zij bekeek op dinsdag 3 mei 2005 om tien voor half twee op www.cijfers.net de webpagina binnenhof.html.

HTTP/1.1

geeft aan welk protocol gebruikt werd voor het versturen van de pagina, namelijk: HyperText Transfer Protocol versie 1.1. De code 200 betekent dat het bestand goed is aangekomen. Er kan ook een andere code staan: zo betekent 404 dat een pagina niet is aangekomen omdat deze niet (meer) op de website staat. Het getal 9255 tenslotte geeft het aantal verzonden bytes weer. Dit getal komt dus overeen met de omvang (uitgedrukt in bytes) van de betreffende webpagina.

Derde deel
Uit het laatste deel van het logfile kunt u opmaken waar uw bezoeker vandaan kwam vóórdat hij of zij uw website betrad. Om die reden wordt dit deel van het logfile "referer" genoemd. Hieronder een klein deel van het logfile van (opnieuw) www.cijfers.net:

http://humor.pagina.nl/ -> /index.html

Uit deze regel blijkt dat een dochter van Startpagina op humor.pagina.nl een hyperlink naar de hoofdpagina (index.html) van www.cijfers.net heeft staan.
Dit soort informatie is bijzonder nuttig, maar ook zeer privacygevoelig. Nuttig, omdat u bijvoorbeeld kunt zien wat er over uw site geschreven wordt. Gevoelig, omdat de gebruiker, vaak zonder het te weten, een deel van zijn of haar surfgedrag prijsgeeft. Als iemand rechtstreeks van een sekssite naar uw website komt kunt u dat in uw logfile zien! Overigens is daarmee natuurlijk nog niet de identiteit van die bezoeker bij uw bekend.

Zoekprogramma's
Tenslotte kunt u aan dit deel van het logfile ook zien in welke zoekprogramma's uw site staat en met behulp van welke zoekwoorden uw site gevonden wordt.

http://spsearch.ilse.nl/searchresults.jspx?in=insecten -> /insecten.html

http://www.google.nl/search?hl=nl&q=haaien -> /haaien.html

http://sea.search.msn.nl/spresults.aspx?q=titanic -> /titanic.html

In de bovenstaande regels ziet u steeds:
• het zoekprogramma (resp. Ilse, Google en MSN);
• een speciale zoekcode van de search engine;
• het woord waarop werd gezocht (resp. insecten, haaien en titanic);
• en tenslotte de pagina op www.cijfers.net waar het zoekprogramma naar heeft verwezen (resp. zon.htm, insecten.htm en titanic.htm).