【网站统计源码】自己搭站的人注意,独立访客数可能是假的
- 2026-10-20 21:58:10
SOURCE REVIEW · 源码拆解
“
自己搭站的人注意，独立访客数可能是假的
本文看点
Q1
UV 到底怎么算的
Q2
三个面板各管什么
Q3
SPA 与爬虫两个坑
WHY UV LIES
独立访客是怎么被算出来的
打开统计后台的那一下最让人上头——曲线往上走，数字在涨，你会觉得今天这波更新没白熬。
然后你顺手点开「实时访客」，看见一个 IP 在那儿反复刷新。
那一刻的数字就开始骗你了。
UV 这个词本身就是个约定，不是一个客观存在的事实。它叫「独立访客」，业内常见做法是浏览器第一次访问时种一个匿名标识，之后带着这个标识回来，统计侧按标识去重，一天算一个。
听着很干净。问题在于这套机制从根上就带三个洞。
Cookie 能被清。用户清了浏览器数据，昨天算一个的人今天又算一个，UV 只涨不跌。
设备会分裂。一个人用手机看文章、用电脑看文章、用平板回看消息，跨设备无法关联，三次就是三个访客。
IP 会骗人。同一间办公室共用一个出口 IP，按 IP 去重，一整层楼的人算成一个；反过来动态拨号用户换 IP，同一个人被反复计数。
所以稍微讲究一点的实现会做组合去重——已登录的直接拿用户标识，没登录的拿 IP 加浏览器标识做哈希，再挂一个 24 小时的有效窗口。仍然不精确，但比纯 Cookie 或纯 IP 都稳一截。
取舍很明确：想要连续性就得接受不准确，想要准确就得接受断代。两头都要不了。
THREE PANELS
后台那三个面板各管什么
这套系统的功能排布是典型的三段式。
数据概况
给的是 PV、UV、IP 三个总数。PV 最容易理解：页面被加载一次就加一，重复刷新照算。它衡量流量大小，不衡量人。
实时访客
给的是会话列表，谁在什么时候进了哪个页面、看了多久。这里能看出访问路径，也能一眼认出那些停留时间不到两秒就跳走的——多半是误点，不是真读者。
数据对比
两个时间段放一起看，PV、UV、IP、平均访问时长、页数、蜘蛛和爬虫都在里面。这一栏最实用：单看今天涨了没用，两段一对，才知道是流量真的来了，还是某个链接被人在群里刷了一轮。
顺带一个衍生指标值得单独记住：人均 PV 也就是 PV 除以 UV。这个值低，说明人来了翻两下就走；这个值高，说明内容粘得住。
SPA TRAP
最容易踩的一个坑
现在大量站点用 Vue、React 这类框架，页面切换走的是路由，不刷新浏览器。这时候如果统计代码没监听路由变化，所有页面的 PV 会永远停在第一次加载的那个数上。
后台一片祥和，实际上只有 1。
这个坑很隐蔽，因为数字看着有、只是不动。你不主动去核对每篇文章的 PV 分布，根本发现不了。
还有一层更省事的思路：干脆不埋代码，直接读服务器日志。访问日志里天然记着时间、路径、IP、状态码，解析一遍就出数据，还顺手绕开了广告拦截插件的干扰。代价是丢掉屏幕分辨率这类只有浏览器才有的信息，收益是数据完整度反而更高。
BOT FILTER
爬虫为什么要单独拎出来
系统里把蜘蛛、爬虫单独列一栏，不是为了好看。
爬虫的访问密度远高于真人，一个收录良好的站点每天被爬几千次很常见。全量统计的话，PV 里可能一大半根本不是人。
过滤的办法不算复杂：按浏览器标识做正则匹配，把常见爬虫特征剔掉，再看剩下的请求路径——静态资源、接口路径、健康检查这类通通不算页面浏览。有效请求只留 GET 方法和 200 响应，跳转页和错误页都排掉。
WORTH IT
值不值得上这套
如果你的站每天几十个访客，第三方统计的免费额度够用，装一段脚本就能用，那自建确实没什么必要——多一台机器、多一份运维、多一个数据表要维护。
真要上，先想清楚三件事。
口径先写下来
用什么标识认人、什么算一次访问、多久没动算会话结束，先落成文字再动手。口径不统一，后面所有数字都没法互相比较。
去重维度选一个
Cookie、IP 加标识、还是登录标识，选定就别中途换。换了，历史数据就断了。
数据留多久
只增不减的数据库迟早是麻烦，定个保留窗口，定时清掉超出部分，顺便把备份也压小。
更倾向的做法是：日志分析打底，登录用户的真实行为单独补上。前者保证「有多少人」，后者回答「他们做了什么」，两套数据各管一段，别指望一个数字全包。
源码标注的是上传到服务器后直接访问域名就进入安装流程，装完就能看数据。搭建门槛确实不高，但把上面那几个口径问题想清楚，比装完更重要。
资源来源：源码库 bbbb.bid/37171.html关注星标公众号不定期分享各种源码「回复消息」查看原始资源
