Lección 6 de 31 · Campos y separadores✦ WebMCP implementado
Anatomía del access log de nginx
9 min de lectura4 retos
Llevas cinco lecciones usando $1, $7 y $9 del log casi de memoria. Ahora lo abrimos en canal: qué significa cada trozo de una línea, por qué el navegador sale roto al cortar por espacios y cómo sacarlo entero cortando por las comillas.
¿De dónde vienen los nombres?
nginx = se lee engine x («motor equis»)
El servidor web que recibe las visitas y le pasa a PHP las que le tocan. Es quien escribe el access.log. Apache escribe uno casi idéntico.
combined = inglés combined (combinado)
El nombre del formato del log. Antes los servidores apuntaban en tres ficheros distintos: las visitas, de dónde venían y con qué navegador. Este formato lo combina todo en una sola línea.
referer = inglés referrer (el que te remite), mal escrito
La página desde la que llegó el visitante. En el estándar de HTTP de los años 90 se coló escrita con una sola r, y así se quedó para siempre. En PHP es $_SERVER["HTTP_REFERER"].
user agent = inglés user agent (agente del usuario)
El programa que hace la petición en nombre de una persona: un navegador, curl, el robot de Google. Cada uno se presenta con un texto. En PHP es $_SERVER["HTTP_USER_AGENT"].
estado = del inglés status code (código de estado)
El número de tres cifras con el que respondes: 200 es «todo bien», 404 «no existe». Es lo que pones en PHP con http_response_code(404).
En 4 ideas
1/4
Cada línea del log es una visita y tiene siempre las mismas piezas, en el mismo orden: IP, fecha, petición, estado, bytes, referer y navegador. Casi todas las tienes en $_SERVER cuando programas en PHP.
Cortando por espacios, los datos sin espacios dentro salen limpios: $1 la IP, $7 la URL, $9 el estado, $10 los bytes.
El navegador lleva espacios dentro, así que por espacios se rompe en muchos campos. Cortando por comillas (-F '"') sale entero: $2 la petición, $4 el referer, $6 el navegador. Es tu explode('"', $linea).
Al cambiar de separador cambian todos los números. No hay un separador mejor: eliges el que deja entero el dato que buscas.
1 · Una línea, una visita
Cada vez que alguien pide algo a tu web (una página, una imagen, un CSS), nginx añade una línea al final de access.log. Esta es la segunda línea del log del curso:
Léelo como una plantilla: cada $algo es un hueco que nginx rellena en cada visita. Fíjate en un detalle que va a ser importante: tres de los huecos van entre comillas dobles (la petición, el referer y el navegador) y la fecha va entre corchetes. Son justo los datos que pueden llevar espacios dentro.
2 · Cortando por espacios
Sin tocar FS, awk corta por los espacios. Los cuatro datos que más vas a usar no tienen espacios dentro, así que salen limpios:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
IP, URL, estado y bytes. El resto de trozos también tienen su número, pero algunos salen con «restos» pegados: awk corta por los espacios y no sabe nada de corchetes ni de comillas.
Campo
Qué contiene
Ejemplo
$1
la IP
203.0.113.7
$2 y $3
los dos guiones
-
$4
fecha y hora, con un corchete delante
[19/Nov/2026:10:15:33
$5
la zona horaria, con un corchete detrás
+0100]
$6
el método, con una comilla delante
"GET
$7
la URL
/css/app.css
$8
el protocolo, con una comilla detrás
HTTP/1.1"
$9
el estado
200
$10
los bytes
18230
$11
el referer, con sus dos comillas
"https://eduardoaf.com/"
$12 hasta $NF
el navegador, a trozos
"Mozilla/5.0, (X11;, Linux…
El último renglón de la tabla es el problema. Pide el campo 12 y, de paso, cuántos campos tiene cada línea (NF, del módulo 01):
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Del navegador solo llega el primer trozo, "Mozilla/5.0, con la comilla de apertura y todo. Y el número de campos baila: 12 en las líneas de curl, 18 en las de Firefox, hasta 28 en las del iPhone. El navegador se ha roto en tantos campos como palabras tiene.
¿Por qué? · En PHP no existe
¿Por qué el log no usa un separador «de verdad», como el ; de un CSV?
Porque este formato nació en los años 90 pensado para que lo leyera una persona en una pantalla, no un programa. Se separó con espacios, y lo que podía llevar espacios dentro se envolvió entre comillas o entre corchetes.
En PHP esto te obligaría a escribir una expresión regular larga con preg_match para sacar cada pieza. awk no entiende de comillas, pero te deja algo más sencillo: cambiar el cuchillo. Si las comillas marcan dónde empieza y acaba el navegador, pues cortamos por las comillas.
3 · Cortando por las comillas
Con -F '"' el separador pasa a ser la comilla doble. Ya no importa cuántos espacios tenga el navegador: va entre dos comillas, así que cae entero en un solo campo. Es el campo 6:
PHP 8.5navegadores.php
<?phpforeach (file("access.log", FILE_IGNORE_NEW_LINES) as$linea) {
// trocear por las comillas dobles$trozos = explode('"', $linea);
// el sexto trozo (índice 5) es el navegadorecho$trozos[5], PHP_EOL;
}
awkprograma.awk
# En PHP: echo explode('"', $linea)[5], PHP_EOL;
{ print$6 }
$ awk -F '"' -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-F ": F de field separator (separador de campos). Corta cada línea por " en vez de por los espacios. Es tu explode(""", $linea).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
⏱ Medido en el servidor del curso con access.log multiplicado hasta 1.000.000 líneas: PHP 8.5: 1,06 s · gawk: 3,74 s · mawk: 319 ms. awk tarda 3,3 veces menos que PHP.
¿Y por qué el 6? En cada línea hay seis comillas, y seis cortes dan siete trozos. Este programa los enseña todos para la primera línea del log. Lo pone entre corchetes para que veas los espacios que se quedan en los bordes:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
$1: todo lo de antes de la primera comilla. La IP, los guiones y la fecha, juntos.
$2: la petición entera: GET / HTTP/1.1.
$3: lo que hay entre la petición y el referer: el estado y los bytes, juntos y con un espacio a cada lado.
$4: el referer, sin comillas.
$5: el espacio suelto que separa el referer del navegador.
$6: el navegador, entero y sin comillas.
$7: vacío. Después de la última comilla ya no hay nada.
Los campos pares (2, 4 y 6) son lo que estaba dentro de las comillas. Los impares, lo que quedaba fuera.
¿Por qué? · En PHP no existe
¿Por qué FS = "\"" lleva esa barra en medio?
En PHP tienes dos tipos de comillas, y para escribir una comilla doble usas las simples: explode('"', $linea). En awk los textos solo pueden ir entre comillas dobles (lo viste en la primera lección), así que una comilla doble dentro de un texto hay que «escaparla» con una barra: "\"". Es lo mismo que el "\"" de PHP.
Se lee de fuera adentro: comilla que abre el texto, barra más comilla (el carácter que quieres) y comilla que cierra. Si te olvidas de la barra, awk ve un texto vacío seguido de una comilla suelta y se queja con un error de sintaxis; al menos este fallo sí avisa.
En la terminal es más cómodo: awk -F '"'. Ahí las comillas simples son de la terminal, no de awk, y dentro de ellas la comilla doble es un carácter normal.
4 · ¿Qué separador elijo?
Al cambiar de separador cambian todos los números. El navegador era $12 y siguientes; ahora es $6. El estado era $9; ahora está dentro de $3, pegado a los bytes. Esta tabla pone los dos mundos lado a lado:
Dato
Con espacios (por defecto)
Con comillas (-F '"')
IP
$1 ✔
dentro de $1, con los guiones y la fecha
Fecha y hora
$4, con un [ delante
dentro de $1
Método
$6, con una comilla delante
dentro de $2
URL
$7 ✔
dentro de $2
Petición entera
repartida en $6, $7 y $8
$2 ✔
Estado
$9 ✔
dentro de $3, con los bytes
Bytes
$10 ✔
dentro de $3, con el estado
Referer
$11, con comillas
$4 ✔
Navegador
$12 hasta $NF, a trozos
$6 ✔
Ningún separador gana en todo. La regla es sencilla: números y URL, con espacios; textos entre comillas, con comillas. Antes de escribir el programa, piensa qué dato necesitas entero.
Un ejemplo que por espacios no podrías hacer. curl es un programa de terminal para hacer peticiones, muy usado en scripts y también por quien va probando puertas. ¿Qué han pedido las visitas cuyo navegador es exactamente curl/8.5.0?
awkprograma.awk
# En PHP: $trozos = explode('"', $linea);BEGIN { FS = "\"" }
# En PHP: if ($trozos[5] == "curl/8.5.0") { echo $trozos[1], PHP_EOL; }$6 == "curl/8.5.0" { print$2 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
/wp-login.php, /.env, /phpmyadmin/, tres intentos seguidos en /login… Esa IP no está visitando tu web: está buscando por dónde entrar. A lo largo del curso le vas a seguir la pista.
La pregunta que te vas a hacer
¿Y el log de mi servidor es igual que este?
Casi seguro que sí. Si en la configuración de nginx la línea access_log no dice ningún formato, se usa combined: el de esta lección. Apache tiene un formato con el mismo nombre y las mismas piezas en el mismo orden, así que todo lo del curso te vale también ahí.
Lo que puede pasar es que alguien haya definido un formato propio (por ejemplo, para apuntar cuánto tardó cada petición). Entonces hay campos de más y los números se corren. Se comprueba en un minuto: busca la palabra log_format en /etc/nginx/nginx.conf y compárala con la plantilla de arriba. Y haz siempre la prueba del algodón: imprime $9 de unas cuantas líneas; si salen números de tres cifras, vas bien.
Con el separador por defecto (espacios), imprime de cada visita la IP, el estado y los bytes, separados por un espacio. Para la primera línea debe salir 203.0.113.7 200 5123. En PHP sería echo $campos[0], " ", $campos[8], " ", $campos[9], PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Mira la tabla de «Cortando por espacios»: el estado es el campo 9 y los bytes el 10. La URL (el 7) aquí no se pide.
Reto 2 de 4 · ✓ Resuelto
La petición entera
Este programa se ejecuta con -F '"' (míralo en la línea de comando): corta por las comillas dobles. Ahora imprime el primer trozo. Cámbialo para que imprima la petición entera de cada visita, sin comillas: GET / HTTP/1.1. En PHP sería echo explode('"', $linea)[1], PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -F '"' -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-F ": F de field separator (separador de campos). Corta cada línea por " en vez de por los espacios. Es tu explode(""", $linea).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. La petición es lo que hay entre la primera comilla y la segunda. Antes de la primera comilla está el trozo 1; justo después empieza el…
Reto 3 de 4 · ✓ Resuelto
De dónde vino y qué pidió
También con -F '"'. Imprime de cada visita el referer, el texto => y la petición, así: https://eduardoaf.com/ => GET /css/app.css HTTP/1.1. Si no hay referer saldrá un guion: - => GET / HTTP/1.1. Quien escribió el programa usó los números de campo de cuando se corta por espacios, y ahora no sale nada útil. En PHP: echo $trozos[3] . " => " . $trozos[1], PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -F '"' -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-F ": F de field separator (separador de campos). Corta cada línea por " en vez de por los espacios. Es tu explode(""", $linea).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Al cortar por comillas solo hay 7 campos: el 11 no existe y por eso sale vacío. Mira la tabla de «¿Qué separador elijo?», columna de las comillas: ¿en qué campo queda el referer? ¿Y la petición?
Reto 4 de 4 · ✓ Resuelto
Los que llegan sin referer
Las visitas sin referer (un guion, -) son las de quien escribe la dirección a mano… y las de casi todos los robots. Imprime el navegador entero de cada visita cuyo referer sea exactamente -. Esta vez no hay -F en la línea de comando: el separador lo pone tu programa. La primera línea de la salida debe ser Mozilla/5.0 (X11; Linux x86_64; rv:131.0) Gecko/20100101 Firefox/131.0. En PHP: if ($trozos[3] == "-") { echo $trozos[5], PHP_EOL; }.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. La regla está bien, pero awk sigue cortando por espacios y ahí $4 es la fecha: nunca vale -. Falta decirle, antes de leer, que corte por la comilla doble: BEGIN { FS = "\"" }.
Resumen
Lo que te llevas de esta lección
Una línea del log es una visita: IP, fecha, petición, estado, bytes, referer y navegador. Son tus REMOTE_ADDR, REQUEST_URI, HTTP_REFERER y HTTP_USER_AGENT de $_SERVER.
Con espacios: $1 IP, $7 URL, $9 estado, $10 bytes. Es tu preg_split('/\s+/', $linea).
El navegador tiene espacios dentro: por espacios se reparte de $12 a $NF y NF cambia de una línea a otra.
Con -F '"' (o BEGIN { FS = "\"" }): $2 petición, $4referer, $6 navegador. Es tu explode('"', $linea).
Al cambiar el separador cambian todos los números de campo: elige el que deja entero el dato que buscas.
Para recordarlo: «Con espacios, los números; con comillas, los textos»
2Petición $2
4Referer $4
6Navegador $6
IP, URL, estado y bytes no llevan espacios: salen limpios con el separador de siempre ($1, $7, $9, $10). Petición, referer y navegador van entre comillas: con -F '"' son los campos pares, $2, $4 y $6.