27.1 概要

この章では大量のテキストデータから自分のほしい情報を抽出する方法を学びます． 例としてとりあげる， Web サーバ のログファイルには， 1. いつ， 2. 誰が，3. どのウェブページをみたかが記録されています．

例えば

157.82.40.158 - - [12/Apr/2004:21:00:38 +0900] "GET /~cc76805/ HTTP/1.0" 404 281

という行は，

• 2004年4月19日に，
• 157.82.40.158 というIPアドレスを持つコンピュータから，
• /~cc76805/ という URL を持つウェブページを

見ようとした人がいる，ということを示しています．

これらは1日分でも500行以上という膨大な量になります． この大量のデータの中から，

• 自分の (あるいは友人の) ウェブページ に関する記録だけを抽出し，
• 見易いように整形し，
• 1日分のアクセス数をグラフにする

という作業を例にデータ処理について実習します．