web日志挖掘所用的web服务器日志文件都是如何获得的？ 用没有公用的数据集？谢谢！！！

有，http://wwwsogoucom/labs/dl/qhtml

http://blogcsdnnet/discxuwei/article/details/5769480

一般通过WEB日志，系统日志，或是软件的日志，都能知道。

这些日志主要还要看你使用了哪些软件，使用不同的软件，日志不一样，比如win系统里的 事件查看器里的安全，就是记录如些用户登陆了你的系统，然后登陆情况。再比如IIS的日志里显示出错的日志，一般入侵的时候他不知道你的电脑信息，可能尝试登陆或猜解你的信息，有的故意让系统出错，出错回返回大量有用的信息给我们，所以一般出错的日志都是比较重要的。

--天下数据--

如何查看自己的服务器的日记

自己有服务器的先打开“Internet 信息服务”，选择你的网站属性，下面有“启用日志记录”，一般有三个选项：W3C扩展日志文件格式、Microsoft IIS 日志文件格式、NCSA公用日志文件格式，默认是:W3C扩展日志文件格式，选择右边的属性，下面有日志文件名：(例 如：W3SCC1\ncyymmddlog),日志存放目录一般是:C:\WINDOWS\system32\LogFiles，如果你要打开日志文件 夹，那地址就是C:\WINDOWS\system32\LogFiles\W3SCC1。 如果用虚拟主机的可以到服务器商的后台选择日志保存后用 FTP去下载，一般都放在log文件夹内。

里面的代码怎么看

好多朋友下了日记后打开一看，吓一跳，里面写的乱七八糟，一个都看不懂。别急，其实他是有顺序的，他是以时间为单位的。一行就是一个记录。下面举例：

2009-10-11 09:36:32 GET /showasp - 22018112570 HTTP/11 Sogou+web+spider/40(+http://wwwsogoucom/docs/help/webmastershtm#07) - 200 0 36228

这是我网站日记里的一行代码， 2009-10-11 09:36:32 这是时间，就是什么时候来的。get 那是动作，一般有GET和HEAD两种 ，这两个的区别，懂编程的朋友都知道的，这里不说。/showasp 是文件地址，就是你被访问的文件的地址。 22018112570 是IP地址，我这里是Google来的，HTTP/11 Sogou+web+spider/40(+http://wwwsogoucom/docs/help/webmastershtm#07)这 里一看就知道了。200 0 36228这里代表未收录。这里的标识有很多的。我也不是很懂。