Datos corregidos

.idea/.gitignore

+# Default ignored files
+/shelf/
+/workspace.xml

.idea/AnalizadorLogs.iml

+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="inheritedJdk" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>
\ No newline at end of file

.idea/inspectionProfiles/profiles_settings.xml

+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>
\ No newline at end of file

.idea/misc.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.9" project-jdk-type="Python SDK" />
+</project>
\ No newline at end of file

.idea/modules.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/AnalizadorLogs.iml" filepath="$PROJECT_DIR$/.idea/AnalizadorLogs.iml" />
+    </modules>
+  </component>
+</project>
\ No newline at end of file

.idea/vcs.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="$PROJECT_DIR$" vcs="Git" />
+  </component>
+</project>
\ No newline at end of file

codigo/Dato.py

-import datetime
-from datetime import date,datetime
-import time
-
-def modificarFecha(cade):
-	cad=cade
-	if "Jan" in cad:
-		return cad.replace("Jan","1")
-	if "Feb" in cad:
-		return cad.replace("Feb","2")
-	if "Mar" in cad:
-		return cad.replace("Mar","3")
-	if "Apr" in cad:
-		return cad.replace("Apr","4")
-	if "May" in cad:
-		return cad.replace("May","5")
-	if "Jun" in cad:
-		return cad.replace("Jun","6")
-	if "Jul" in cad:
-		return cad.replace("Jul","7")
-	if "Aug" in cad:
-		return cad.replace("Aug","8")
-	if "Sep" in cad:
-		return cad.replace("Sep","9")
-	if "Oct" in cad:
-		return cad.replace("Oct","10")
-	if "Nov" in cad:
-		return cad.replace("Nov","11")
-	if "Dec" in cad:
-		return cad.replace("Dec","12")
+from datetime import datetime
 
+
+# Definimos la clase dato con: Host Remoto, fecha, metodo de petición, url, protocolo, etc...
 class Dato:
-	#Atributos
-	hostRemoto=None
-	fecha=None
-	metodoPeticion=None
-	url=None
-	vProtocolo=None
-	statusCode=None
-	volumenTransf=None
-	marcaTiempo=None
-
-	def __init__(self,cadena):
-		c=0
-		aux=""
-		#Saco de la cadena el host remoto
-		while cadena[c] != ' ':
-			aux+=cadena[c]
-			c+=1
-		self.hostRemoto=aux
-		aux=""
-		#Situo el iterador para leer la fecha
-		while cadena[c] != '[':
-			c+=1
-		c+=1
-		#Leo fecha y hora 
-		while cadena[c] != ' ':
-			aux+=cadena[c]
-			c+=1
-		c+=1
-		self.fecha = datetime.strptime(modificarFecha(aux), '%d/%m/%Y:%H:%M:%S')
-		aux=""
-		#Situo el iterador para leer el metodo de peticion
-		while cadena[c] != '"':
-			c+=1
-		c+=1
-		#Leo el metodo de peticion
-		while cadena[c] != ' ':
-			aux+=cadena[c]
-			c+=1
-		c+=1
-		self.metodoPeticion=aux
-		aux=""
-		#Saco la url
-		while cadena[c] != ' ':
-			aux+=cadena[c]
-			c+=1
-		c+=1
-		self.url=aux
-		aux=""
-		#Leo la version del protocolo, el codigo de estado y volumen de transferencia
-		while cadena[c] != '"':
-			aux+=cadena[c]
-			c+=1
-		c+=2
-		self.vProtocolo=aux
-		aux=""
-		while cadena[c] != ' ':
-			aux+=cadena[c]
-			c+=1
-		c+=1
-		self.statusCode=aux
-		aux=""
-		while c < len(cadena) and cadena[c]!=' ':
-			aux+=cadena[c]
-			c+=1
-		self.volumenTransf=aux
-		#Calculo la marca de tiempo
-		segReg=datetime.timestamp(self.fecha)
-		segHoy=datetime.timestamp(datetime.now())
-		self.marcaTiempo=int(segHoy-segReg)
-		
-	
-'''
-prueba=Dato("in24.inetnebr.com - - [01/Aug/1995:00:00:01 -0400] \"GET /shuttle/missions/sts-68/news/sts-68-mcc-05.txt HTTP/1.0\" 200 1839")
-print(prueba.hostRemoto)
-print(prueba.fecha)
-print(prueba.metodoPeticion)
-print(prueba.vProtocolo)
-print(prueba.statusCode)
-print(prueba.volumenTransf)
-print(prueba.marcaTiempo)'''
\ No newline at end of file
+
+    def __init__(self, cadena):
+        # Atributos
+        self.hostRemoto = None
+        self.fecha = None
+        self.metodoPeticion = None
+        self.url = None
+        self.vProtocolo = None
+        self.statusCode = None
+        self.volumenTransf = None
+        self.marcaTiempo = None
+
+        # Se obtienen todos los datos
+        self.obtenerDatos(cadena)
+
+    # Funcion que asigna los valores debidos a la clase
+    def obtenerDatos(self, cadena):
+        # Auxiliares, iterador y cadena vacia
+        c = 0
+        aux = ""
+
+        # Obtenemos todos los valores necesarios, hostRemoto, fecha
+        self.hostRemoto, c = sacarLinea(cadena, c, aux, ' ')
+        self.fecha, c = leerFecha(cadena, c, aux)
+
+        # Obtenemos modo de petición, url y protocolo
+        c = leerLinea(cadena, c, '"')
+        self.metodoPeticion, c = sacarLinea(cadena, c, aux, ' ')
+        self.URL, c = sacarLinea(cadena, c, aux, ' ')
+        self.vProtocolo, c = sacarLinea(cadena, c, aux, '"')
+        c += 2
+
+        # Obtenemos estado del código, volumen de tranferencia y calculamos marca de tiempo
+        self.statusCode, c = sacarLinea(cadena, c, aux, ' ')
+        self.volumenTransf, c = sacarLinea(cadena, c, aux, ' ')
+        self.marcaTiempo = int(datetime.now().timestamp() - self.fecha.timestamp())
+
+
+# Lee lineas del fichero
+def leerLinea(cadena, c, signo):
+    while cadena[c] != signo:
+        c += 1
+
+    return c + 1
+
+
+# Saca líneas del fichero
+def sacarLinea(cadena, c, aux, signo):
+    while c < len(cadena) and cadena[c] != signo:
+        aux += cadena[c]
+        c += 1
+
+    return aux, c + 1
+
+
+# Sitúa el iterador y lee la fecha y hora, ademas la ajusta convenientemente
+def leerFecha(cadena, c, aux):
+    c = leerLinea(cadena, c, '[')
+    aux, c = sacarLinea(cadena, c, aux, ' ')
+    aux = modificarFecha(aux)
+
+    return datetime.strptime(aux, '%d/%m/%Y:%H:%M:%S'), c
+
+
+# Cambia el mes en la fecha por el número que le corresponde
+def modificarFecha(cadena):
+    meses = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
+    numeros = ["1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12"]
+    mes = ""
+    numero = ""
+
+    for i in meses:
+        if i in cadena:
+            mes = i
+            numero = numeros[meses.index(i)]
+
+    return cadena.replace(mes, numero)
+
+
+# Comprobación
+p = Dato(
+    "in24.inetnebr.com - - [01/Aug/1995:00:00:01 -0400] \"GET /shuttle/missions/sts-68/news/sts-68-mcc-05.txt HTTP/1.0\" 200 1839")
+informe = ('Host Remoto: {}\nFecha: {}\nMétodo de Petición: {}\nProtocolo: {}\nstatusCode: {}\nVolumen de transferencia: {}\n'
+    'Marca de tiempo: {}\n')
+print(informe.format(p.hostRemoto, p.fecha, p.metodoPeticion, p.vProtocolo, p.statusCode, p.volumenTransf, p.marcaTiempo))

codigo/Gestor.py

-
 import Dato
 from Dato import Dato
 
+
 def eSpidering(reg):
-	aQuitar=["spider","bot","crawler"]
-	c=0
-	for r in reg:
-		for q in aQuitar:
-			if q in r.hostRemoto.lower():
-				reg.pop(c)
-		c+=1
-	return reg
-				
+    aQuitar = ["spider", "bot", "crawler"]
+    c = 0
+    for r in reg:
+        for q in aQuitar:
+            if q in r.hostRemoto.lower():
+                reg.pop(c)
+        c += 1
+    return reg
 
 
 def identificacionUsuarios(reg):
-	aux=[]
-	ret=[]
-	#Cojo las IPs distintas del conjunto de datos
-	for r in reg:
-		aux.append(r.hostRemoto)
-	aux=set(aux)
-	#Ordeno los distintos registros de cada usuario de mas antiguos a mas nuevos
-	for usuario in aux:
-		con=[]
-		for r in reg:
-			if r.hostRemoto==usuario:
-				con.append(r)
-		#Ordeno
-		for i in range(len(con)):
-			for j in range(len(con)):
-				if con[i].marcaTiempo > con[j].marcaTiempo:
-					con[i],con[j]=con[j],con[i]
-		ret+=con
-	return ret
+    aux = []
+    ret = []
+    # Cojo las IPs distintas del conjunto de datos
+    for r in reg:
+        aux.append(r.hostRemoto)
+    aux = set(aux)
+    # Ordeno los distintos registros de cada usuario de mas antiguos a mas nuevos
+    for usuario in aux:
+        con = []
+        for r in reg:
+            if r.hostRemoto == usuario:
+                con.append(r)
+        # Ordeno
+        for i in range(len(con)):
+            for j in range(len(con)):
+                if con[i].marcaTiempo > con[j].marcaTiempo:
+                    con[i], con[j] = con[j], con[i]
+        ret += con
+    return ret
+
+
+def leerFicheroLog(ruta, espidering):
+    registros = []
+    f = open(ruta, "r")
+    total = 0
+    for linea in f:
+        total += 1
+        try:
+            registros.append(Dato(linea))
+        except:
+            continue
+    f.close()
+    if espidering:
+        registros = eSpidering(registros)
+    print("Procesados ", len(registros), " registros")
+    return registros
+
 
+def leerFicheroLogEliminarFiltradas(ruta, extensionesNoDeseadas, espidering):
+    registros = []
+    f = open(ruta, "r")
+    total = 0
+    for linea in f:
+        total += 1
+        try:
+            aux = Dato(linea)
+            admitido = True
+            for ext in extensionesNoDeseadas:
+                if ext in aux.url:
+                    admitido = false
+            if admitido:
+                registros.append(aux)
+        except:
+            continue
+    f.close()
+    if espidering:
+        registros = eSpidering(registros)
+    print("Procesados ", len(registros), " registros")
+    return registros
 
-def leerFicheroLog(ruta,espidering):
-	registros=[]
-	f = open(ruta, "r")
-	total=0
-	for linea in f:
-		total+=1
-		try:
-			registros.append(Dato(linea))
-		except:
-			continue
-	f.close()
-	if espidering:
-		registros=eSpidering(registros)
-	print("Procesados ",len(registros)," registros")
-	return registros
 
-def leerFicheroLogEliminarFiltradas(ruta,extensionesNoDeseadas,espidering):
-	registros=[]
-	f = open(ruta, "r")
-	total=0
-	for linea in f:
-		total+=1
-		try:
-			aux=Dato(linea)
-			admitido=True
-			for ext in extensionesNoDeseadas:
-				if ext in aux.url:
-					admitido=false
-			if admitido:
-				registros.append(aux)
-		except:
-			continue
-	f.close()
-	if espidering:
-		registros=eSpidering(registros)
-	print("Procesados ",len(registros)," registros")
-	return registros
+def leerFicheroLogAceptarFiltradas(ruta, extensionesNoDeseadas, espidering):
+    registros = []
+    f = open(ruta, "r")
+    total = 0
+    for linea in f:
+        total += 1
+        try:
+            aux = Dato(linea)
+            admitido = False
+            for ext in extensionesNoDeseadas:
+                if ext in aux.url:
+                    admitido = True
+            if admitido:
+                registros.append(aux)
+        except:
+            continue
+    f.close()
+    if espidering:
+        registros = eSpidering(registros)
+    print("Procesados ", len(registros), " registros")
+    return registros
 
-def leerFicheroLogAceptarFiltradas(ruta,extensionesNoDeseadas,espidering):
-	registros=[]
-	f = open(ruta, "r")
-	total=0
-	for linea in f:
-		total+=1
-		try:
-			aux=Dato(linea)
-			admitido=False
-			for ext in extensionesNoDeseadas:
-				if ext in aux.url:
-					admitido=True
-			if admitido:
-				registros.append(aux)
-		except:
-			continue
-	f.close()
-	if espidering:
-		registros=eSpidering(registros)
-	print("Procesados ",len(registros)," registros")
-	return registros
 
-registros=leerFicheroLog("../access_log_Aug95_reducido",True)
+registros = leerFicheroLog("../access_log_Aug95_reducido", True)
 
-registros=identificacionUsuarios(registros)
+registros = identificacionUsuarios(registros)
 
 for i in registros:
-	print(i.hostRemoto," ",i.marcaTiempo)
+    print(i.hostRemoto, " ", i.marcaTiempo)