如:
待分析的log信息会出现:
(a)"http://fenlei.hudong.com/%E7%89%B9%E6%AD%A5%E4%B8%AD%E5%9B%BD%E5%A4%A7%E5%AD%A6%E7%94%9F5%E4%BA%BA%E5%88%B6%E8%B6%B3%E7%90%83%E8%81%94%E8%B5%9B/";
和
(b)"http://fenlei.hudong.com/特步中国大学生5人制足球联赛/"
待匹配的特征信息为:"http://fenlei.hudong.com/特步中国大学生5人制足球联赛/"
这两项怎么改变编码方式能正确的统计到流量信息呢?
1、开始使用如下方法:
将待匹配的特征的utf8编码写出来与log信息来匹配:
my $fl1 = "http://fenlei.hudong.com/%E7%89%B9%E6%AD%A5%E4%B8%AD%E5%9B%BD%E5%A4%A7%E5%AD%A6%E7%94%9F5%E4%BA%BA%E5%88%B6%E8%B6%B3%E7%90%83%E8%81%94%E8%B5%9B/";
my $fl2 = "http://fenlei.hudong.com/%E7%89%B9%E6%AD%A5/";
my $fl3 = "http://fenlei.hudong.com/%E7%89%B9%E6%AD%A5%E5%8D%81%E5%B9%B4/";
if($ref eq $fl1 || $ref eq $fl2 || $ref eq $fl3){
$fenleiInfo{$ref}++;
$totalpv++;
}
这种弊端是,log信息中出现的情况(b)将漏掉统计。
2、后来想到是编码问题,然后改用下面的方法
my $fl1= "http://fenlei.hudong.com/特步中国大学生5人制足球联赛/"; my $fl2= "http://fenlei.hudong.com/特步/"; my $fl3= "http://fenlei.hudong.com/特步十年/"; $ref = decode('utf8',$ref); if($ref eq $fl1 || $ref eq $fl2 || $ref eq $fl3){ $fenleiInfo{$ref}++; $totalpv++; }
这种弊端是,log信息中出现的情况(a)将漏掉统计。
3、看来以上两种方法都无法完美的解决这种中英文混合出现的情况,于是想到了使用方法:uri_unescape。
于是问题解决了,得到了以上1、2的结果之和。
use URI::Escape; my $fl1= "http://fenlei.hudong.com/特步中国大学生5人制足球联赛/"; my $fl2= "http://fenlei.hudong.com/特步/"; my $fl3= "http://fenlei.hudong.com/特步十年/"; my $ref1 = ""; if($ref =~ /http:\/\/fenlei.hudong.com\//){ $ref1 = uri_unescape($ref);#decode('utf8',$ref); $ref1 = decode('utf8',$ref1); } if($ref1 eq $fl1 || $ref1 eq $fl2 || $ref1 eq $fl3){ $fenleiInfo{$ref1}++; $totalpv++; }