Tweet

以前の記事「Mac OS XにWebalizerをインストール → DNSCacheでハマる」ではMac OS XにてWebalizerをインストールする方法を書いた。このとき日本語化するオプション（--with-language=japanese）をつけたのだが、これによって用語が日本語化される代わりに、Total Search Strings（検索文字列リスト）が文字化けしてしまう。

原因は、検索文字列のエンコーディングにUTF-8が使用されているのに引き替え、HTML自体にはEUC-JPが使われているためだ。しょうがないので、作成したHTMLファイルに細工を加えることにする。

話が前後するが、Webalizerの起動にはcronによる自動実行を使っている。プロンプトからcrontab -eと打ち込んで次の行を書いた。

0 */4 * * * /bin/sh /var/root/webalizer.sh

これによって6時間ごとにwebalizer.shというスクリプトが実行される。その中身はこうだ¹。

#!/bin/sh
cat /var/log/apache2/access_log | perl -ne '/^(localhost|127\.0\.0\.1|::1|192\.168\.)/ or print' > /tmp/access_log
webalizer -c /opt/local/etc/webalizer/root.conf
perl -MEncode -i -pe '/Total Search Strings/ .. m!</TABLE>! and /NOWRAP/ and Encode::from_to( $_, utf8 => "eucjp" )' /Library/WebServer/usage/usage*.html

順に説明する。ここでは2つのことを行っている。

1. LAN内からのアクセスを解析結果から除く
2. 検索文字列リストの文字化けを解消する

1番は2行目で実現している。Perlのワンライナーを使って行頭に次の4つの文字列を含む行以外を/tmp/access_logというファイルにコピーする。

• localhost
• 127.0.0.1
• ::1
• 192.168.

3行目でWebalizerを実行し解析結果のファイルを生成。そして4行目が肝。今回のテーマである文字コード変換だ。

perl -MEncode -i -pe '/Total Search Strings/ .. m!</TABLE>! and /NOWRAP/ and Encode::from_to( $_, utf8 => "eucjp" )' /Library/WebServer/usage/usage*.html

これだけでは何のことやらわからないので、スクリプトに直してみよう。

#!/usr/bin/perl
use Encode;
while (<>) {
    if ( /Total Search Strings/ .. m!</TABLE>! ) {
        if ( /NOWRAP/ ) {
            Encode::from_to( $_, "utf8", "eucjp" );
        }
    }
    print;
}

ここでは「【perl】範囲演算子についての日本語マニュアルの誤訳」に書いた範囲演算子（フリップフロップ演算子）を使っている。上のコードで4行目のif文は「『Total Seach Strings』を含む文と『</TABLE>』を含む文の間なら」と言う意味になる。その範囲内で、『NOWRAP』という文字列を含む文の文字コードをUTF-8からEUC-JPに変換している（6行目）というわけだ。

後はPerlワンライナーの基本、-pオプションと-iオプションを付け加えて完成だ。これで、Webalizerによって生成されたHTMLファイルのうち、必要な部分だけを文字コード変換できた。

Perlの起動オプションと、範囲演算子の説明を改めて貼っておく。

Perl第4回：PerlTips(コマンドラインオプション)
http://www.stackasterisk.jp/tech/program/perl04_04.jsp

【perl】範囲演算子についての日本語マニュアルの誤訳
https://blog.delphinus.dev/2010/02/range-operator.html

O’Reilly Japan – プログラミングPerl 第3版 VOLUME 1
120頁　3.15 範囲演算子
Google ブックスで該当頁を開く