Und wie du vorausgesagt hast, wird dadurch das Leerzeichen in Quelltext entfernt.
Sehr schön. Gib dem Autor bitte Bescheid.
Zitat
habe ich bei der Accesslog einfach die Endung .gz in .txt umgewandelt. Damit kann ich dann die Datei im Editor ansehen.
Seltsam, da wurde die Datei offenbar nicht verpackt, sondern nur mit einer falschen Endung versehen.
Zitat
Nur hilft mir dies nicht viel. Ich sehe nur eine Ansammlung von endlosen Zeilen:
Das sieht zunächst etwas seltsam aus, ist aber eine sehr nützliche Sammlung von Informationen.
Das Logformat im Webserver Apache sieht meistens so aus:
%h %l %u %t \"%r\" %>s %b \"%{Referer}i\" \"%{User-Agent}i\"
Beispiel
Die Zeile …
mnhm-4d01aed3.pool.mediaways.net
- -
[30/Nov/2009:01:00:57 +0100]
"GET /2009/php-magic-quotes-entfernen/
HTTP/1.1"
200
5160
"http://toscho.de/2009/trennung-inhalt-layout/"
"Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.1.5) Gecko/20091102 Firefox/3.5.5 (.NET CLR 3.5.30729)"
… die ich hier mal der Übersicht halber umgebrochen habe, sagt mir:
Vom Host mnhm-4d01aed3.pool.mediaways.net aus wurde von jemandem, der sich nicht authentifiziert hat (- -) auf meine Seite zugegriffen.
Datum und Zeit stehen in den eckigen Klammern, die Methode war GET (POST und HEAD sind auch üblich, DELETE, PUT und TRACE eher nicht).
Dann kommt die angeforderte Ressource. Die sagt dir bei einem Fehler, welche URL da eigentlich kaputt ist. Wenn die am Ende ein [FONT="Courier New"]%20[/FONT] hat, dann hat jemand die falsch interpretierte »Canonical URL« angefordert.
Oft steckt auch feindlicher Code in der URL.
Dahinter steht das Protokoll, hier HTTP 1.1. Yahoo beispielsweise kann das immer noch nicht und benutzt 1.0 – Schande!
Der Statuscode lautete 200 (Gefunden); das ist die häufigste Antwort. 404 hieße: Nicht gefunden, 410: Für immer weg. Die 500er sind Serverfehler. Du findest also alle 404er, wenn du nach [FONT="Courier New"][Leerzeichen]404[Leerzeichen][/FONT] suchst.
Die nächste Zahl gibt die Menge der übertragenen Bytes an, hier 5160.
Dann kommt der Referer, die Seite, von der aus der Zugriff erfolgt ist. Sehr wichtig, wenn jemand woanders einen kaputten Link auf deine Seite gesetzt hat: Du kannst ihn dann anschreiben, und ihm genau sagen, wo er den Link reparieren möge. Einige Leute senden den Referer nicht mit, andere packen feindlichen Code hinein … das ist also nicht unbedingt eine vertrauenswürdige Quelle.
Zum Schluß noch der User-Agent (UA), ein Browser oder Crawler. Auch gerne gefälscht, vergiftet oder unterdrückt.
Spannende und wichtige Informationen also. Ab und zu solltest du einen Blick hinein werfen, denn nur so siehst du beispielsweise, ob ein durchgeknallter Crawler deine Ressourcen vergeudet.
So hatte ich oft einen UA mit der Kennung Java/1.6.0_04 im Logfile, der viermal pro Stunde sämtliche Feeds (auch die der einzelnen Artikel) abgeholt hat. Alles legale Zugriffe, die in keinem Fehlerbericht auftauchen, aber in der Masse eine ziemliche Zumutung.
Durch die regelmäßige Logfile-Analyse ist der mir immer wieder aufgefallen, und irgendwann habe ich ihn ausgesperrt mit einem Eintrag in der .htaccess:
RewriteEngine On
RewriteBase /
RewriteCond %{REQUEST_URI} !/greedy\.html
RewriteCond %{HTTP_USER_AGENT} ^Java/1\.\d [NC]
RewriteRule ^ /greedy.html [L,R=301]
Die greedy.html hat 145 Bytes und ist eine einfache, statische HTML-Seite. Darin steht, warum ich das mache, und wer sich daran stört, kann ja mit einem richtigen Browser auf meine Seite kommen und mich anschreiben. Hat noch keiner gemacht. 
Zitat
Im Kontrollpanell meines Webhosters habe ich dann unter den Statistiken für den Monat Dezember 2009 unter anderem folgendes gefunden:
Naja, das ist hübsch bunt und einfach, unterschlägt aber die wichtigen Details.
Fast 3% 404er finde ich ganz schön viel. Darum solltest du dich kümmern.