1.3 第一个脚本：统计日志行数

1.3 第一个脚本：统计日志行数

本节产出一个可直接使用的日志概览脚本：统计总行数、总字节与最大单行长度，并在过程中认识 Perl 脚本的基本骨架——shebang、变量、逐行读取、格式化输出。

任务定义

手头一份 access.log，先回答最基础的问题：多大、多少行、最长的行长什么样。别小看这一步，"最长行"经常暴露异常请求——比如塞满了垃圾参数的攻击探测。

脚本骨架

#!/usr/bin/perl
use strict;
use warnings;

my $file   = shift || 'access.log';
my $lines  = 0;
my $bytes  = 0;
my $max    = 0;
my $max_ln = '';

open my $fh, '<', $file or die "无法打开 $file: $!";
while (my $line = <$fh>) {
    $lines++;
    $bytes += length($line);
    if (length($line) > $max) {
        $max    = length($line);
        $max_ln = $line;
    }
}
close $fh;

printf "文件: %s\n行数: %d\n字节: %d\n最长行: %d 字节\n",
       $file, $lines, $bytes, $max;
print "最长行内容: ", substr($max_ln, 0, 80), "...\n";
​

逐块拆开看：

• #!/usr/bin/perl 是 shebang，类 Unix 系统靠它知道用什么解释器执行；Windows 上可以省略
• use strict; use warnings; 强制声明变量、打开警告，这两行是所有脚本的标配，没有它们的小错误会静默溜走
• shift 从命令行参数取文件名，|| 'access.log' 给默认值
• open ... or die ... 打开失败立即报错退出，$! 是系统给出的原因
• while (my $line = <$fh>) 逐行读取，<$fh> 每次吐出一行
• printf 做格式化输出，和 C 语言的 printf 同源

数据在脚本里的流动

顺手认识键盘输入

同一套读入思路放在终端交互上也成立，日后做交互式工具会用到：

print "请输入日志文件名: ";
chomp(my $name = <STDIN>);
print "你输入的是 $name\n";
​

<STDIN> 从标准输入读一行（含换行符），chomp 只删掉末尾换行——注意它和 chop 不同，chop 会无差别删掉最后一个字符，几乎不该使用。

💡 关键直觉：把"读一行、处理一行"当成 Perl 的呼吸节奏。后面所有章节的正则、统计，都挂在这个节奏上。

加一步：按小时统计行数

总行数只能回答"总量"，排查问题几乎一定要看"分布"。给脚本加一个哈希，按小时聚合行数，二十行就能得到一张小时分布表：

#!/usr/bin/perl
use strict;
use warnings;

my $file = shift || 'access.log';
my %per_hour;                 # 小时 -> 行数
my $bad = 0;                  # 解析不出的行数

open my $fh, '<', $file or die "无法打开 $file: $!";
while (my $line = <$fh>) {
    # Nginx 组合格式的时间字段形如 [22/Aug/2026:03:14:57 +0800]
    if ($line =~ /\[\d+\/\w+\/\d+:(\d{2}):/) {
        $per_hour{$1}++;
    } else {
        $bad++;               # 畸形行单独计数，不静默丢弃
    }
}
close $fh;

for my $h (sort keys %per_hour) {
    printf "%s时 %6d 行 %s\n", $h, $per_hour{$h},
           '#' x int($per_hour{$h} / 100);
}
print "无法解析的行: $bad\n" if $bad;
​

正则 \[\d+\/\w+\/\d+:(\d{2}): 括住两位小时放进 $1；柱状图那点小把戏是 '#' x int(...)——字符串重复运算符 x 按行数除以一百画格子，终端里立刻能看出哪段时间流量异常。$bad 的存在是一个习惯问题：解析失败的行宁可数出来报告，也不要让它们无声消失，否则统计总数对不上时无从查起。

边界情况：换行、编码与最后一行

这个脚本在三种情况下会给出误导性数字，值得逐一交代。其一，Windows 编辑过的日志是 CRLF 换行，length($line) 会把 \r 也计入，跨平台对比字节数时先 s/\r?\n\z//。其二，最后一行可能没有换行符，<$fh> 仍会把它交出来，行数统计不受影响，但逐字符定长的解析要当心。其三，日志含 UTF-8 中文时，length 数的是字节还是字符取决于是否声明了 use utf8 和 binmode——第 5 章文件句柄一节会给完整方案，此刻先记住：字节数和字符数是两个指标，报告里要写清是哪个。

顺带把运行方式补全。类 Unix 上 chmod +x stat.pl 之后可以直接 ./stat.pl access.log；Windows 上关联了 pl 后缀时双击会闪退，老老实实在 cmd 里 perl stat.pl access.log。参数不传时脚本走默认值 access.log，这是给未来的自己留的退路——半夜被叫醒时少敲几个字符也是收益。

把输出重定向到文件时还有个新手常撞的墙：管道或重定向后 print 的内容迟迟不出现在文件里。这是行缓冲在起作用——输出到屏幕时 Perl 按行刷新，输出到文件时改成块缓冲，攒够一块才落盘。脚本正常结束时会自动刷出，但若中途 kill，尾巴上的数据可能丢。处置办法是在脚本开头对输出句柄显式开关：$| = 1; 让每次 print 立即落盘，代价是性能略降。排障守则：长跑脚本必设自动刷新。

本节要点回顾

• use strict; use warnings; 永远写上，它们把一类隐蔽错误变成显式报错
• open ... or die 是标准开场，失败原因在 $! 里
• while (my $line = <$fh>) 是逐行处理的惯用法
• printf 负责对齐的数字报告，substr 截断超长内容防止刷屏
• chomp 去换行，别用 chop
• 运行方式：perl 脚本名 参数，类 Unix 上加执行权限后可 ./脚本名 参数