Identificaciones terminadas

codigo/Gestor.py

-from IdentificacionUsuarios import IdentificacionUsuarios
-from IdentificacionSesiones import IdentificacionSesiones
-from ObtencionRegistro import ObtencionRegistro
-
-# Se crean registros
-registros = ObtencionRegistro("../access_log_Aug95_reducido", True, [], [])
-
-# Se obtienen y agregan identificaciones de usuarios y sesiones
-idUsuarios = IdentificacionUsuarios(registros.registro)
-idSesiones = IdentificacionSesiones(registros.registro, idUsuarios.identificaciones)
-for i in range(len(registros.registro)):
-    registros.registro[i].idUsuario = idUsuarios.identificaciones[i]
-    registros.idSesiones = idSesiones.sesiones[i]
+from ObtencionRegistro import obtenerRegistros
 
+# Se crean los registros, identificando usuarios y sesiones
+r = obtenerRegistros("../access_log_Aug95_reducido", True, [], [])
 
 # Se muestran resultados log
-informe = (" - Registro {} -\nHost Remoto: {}\nFecha: {}\nMetodo de Petición: {}\nURL: {}\nProtocolo: {}\nStatus Code: {}\n"
-           "Volumen de Transferencia: {}Marca de Tiempo: {}\nId Usuario: {}\nId Sesion: {}\n")
+informe = (
+    " - Registro {} -\nHost Remoto: {}\nFecha: {}\nMetodo de Petición: {}\nURL: {}\nProtocolo: {}\nStatus Code: {}\n"
+    "Volumen de Transferencia: {}Marca de Tiempo: {}\nId Usuario: {}\nId Sesion: {}\n")
 print("Resultados: ")
-for i in range(20):
-    r = registros.registro[i]
-    print(informe.format(i+1, r.hostRemoto, r.fecha, r.metodoPeticion, r.url, r.vProtocolo, r.statusCode, r.volumenTransf, r.marcaTiempo, r.idUsuario, r.idSesion))
+for i in range(len(r)):
+    print(informe.format(i + 1, r[i].hostRemoto, r[i].fecha, r[i].metodoPeticion, r[i].url, r[i].vProtocolo,
+                         r[i].statusCode,
+                         r[i].volumenTransf, r[i].marcaTiempo, r[i].idUsuario, r[i].idSesion))

codigo/IdentificacionSesiones.py

-# Definimos umbral como Web EPA
-UMBRAL_SESIONES = 1800
-
-class IdentificacionSesiones:
-
-    def __init__(self, usuarios, registros):
-        self.sesiones = identificacionSesiones(registros, usuarios)
-
-# Obtenemos las identificaciones de sesiones
-def identificacionSesiones(registros, usuarios):
-    # Quitamos duplicados
-    aux = asignarIDs(usuarios)
-
-    aux = reasignacionIDs(registros, usuarios, aux)
-
-    return ordenarEntradas(usuarios, aux)
\ No newline at end of file

codigo/IdentificacionUsuarios.py

-# Se obtienen la identificacion de los usuarios
-class IdentificacionUsuarios:
-
-    def __init__(self, registro):
-        self.identificaciones = identificacion(registro)
-
-
-# Identifica a los usuarios con un unico ID para cada usuario
-def identificacion(registro):
-    usuariosIdentificados = []
-    ids = []
-    cont = 0
-
-    for reg in registro:
-        usuario = reg.hostRemoto
-        # Si todavia no se le ha dado un id, se le da y se agrega a la lista de identificados
-        if usuario not in usuariosIdentificados:
-            cont += 1
-            ids.append(cont)
-            usuariosIdentificados.append(usuario)
-        else:  # Si no, simplemente se agrega el id del que ya disponía
-            ids.append(usuariosIdentificados.index(usuario)+1)
-    return ids

codigo/ObtencionRegistro.py

 from Dato import Dato
-
-
-# Se obtiene el registro
-class ObtencionRegistro:
-
-    def __init__(self, ruta, spidering, extensionesAdmitidas, extensionesNoAdmitidas):
-        self.registro = leerFicheroLog(ruta, spidering, extensionesAdmitidas, extensionesNoAdmitidas)
-
+from idsUsuarioSesion import identificaciones
 
 # Lee el fichero log
-def leerFicheroLog(ruta, espidering, extensionesAdmitidas, extensionesNoAdmitidas):
-    ret = obtenerRegistros(ruta, extensionesAdmitidas, extensionesNoAdmitidas)
+def obtenerRegistros(ruta, espidering, extensionesAdmitidas, extensionesNoAdmitidas):
+    ret = leerLog(ruta, extensionesAdmitidas, extensionesNoAdmitidas)
 
     # Compruebo si hay que hacer el e-Spidering
     if espidering:
         ret = eSpidering(ret)
     print("Procesados ", len(ret), "registros")
 
-    return ret
+    return identificaciones(ret)
 
 
 # Obtengo los registros
-def obtenerRegistros(ruta, extensionesAdmitidas, extensionesNoAdmitidas):
+def leerLog(ruta, extensionesAdmitidas, extensionesNoAdmitidas):
     ret = []
 
     # Leo el fichero

codigo/idsUsuarioSesion.py

+# Asignamos un umbral para asignar nuevas sesiones a los usuarios
+UMBRAL_SESIONES = 2
+
+
+# Identifica a los usuarios con un unico ID para cada usuario
+def identificaciones(registros):
+    idsUsados = []
+    cont = 0
+
+    # Se obtienen todos los usuarios
+    for reg in registros:
+        ip = reg.hostRemoto
+        # Si todavia no se le ha dado un id, se le da y se agrega a la lista de identificados
+        if ip not in idsUsados:
+            cont += 1
+            reg.idUsuario = cont
+            idsUsados.append(ip)
+        else:  # Si no, simplemente se agrega el id del que ya disponía
+            reg.idUsuario = idsUsados.index(ip) + 1
+
+    return ordenaRegistros(registros)
+
+
+# Se ordenan los registros segun los usuarios y su marca de tiempo
+def ordenaRegistros(registros):
+    tam = len(registros)
+
+    for i in range(tam):
+        for j in range(tam - i):
+            reg1 = registros[i]
+            reg2 = registros[j + i]
+
+            # Se organiza por id usuario si son diferentes
+            if reg2.idUsuario < reg1.idUsuario:
+                registros[i] = reg2
+                registros[j + i] = reg1
+            else:  # Se organiza por marca de tiempo si son iguales
+                if reg2.idUsuario is reg1.idUsuario and reg2.marcaTiempo < reg1.marcaTiempo:
+                    registros[i] = reg2
+                    registros[j + i] = reg1
+
+    return identificacionSesiones(registros)
+
+
+# Identifica las sesiones de los usuarios
+def identificacionSesiones(registros):
+    tam = len(registros)
+    registros[0].idSesion = 1
+
+    for i in range(1, tam):
+        reg2 = registros[i]
+        reg1 = registros[i - 1]
+
+        # Si se supera el umbral o son diferentes usuarios se crea nueva sesion
+        dif = reg2.marcaTiempo - reg1.marcaTiempo
+        if dif > UMBRAL_SESIONES or reg1.idUsuario is not reg2.idUsuario:
+            reg2.idSesion = reg1.idSesion + 1
+        else:  # Si no se asigna la sesion antigua
+            reg2.idSesion = reg1.idSesion
+
+    return registros