Curso de AWK (David Barreto)
-
Upload
barretollano -
Category
Technology
-
view
81 -
download
1
Transcript of Curso de AWK (David Barreto)
208/03/15Ing. David Barreto Llano (david-barreto.com)
Características del Lenguaje
Lenguaje de programación orientado a datos
Basado en la detección de patrones en los datos por medio de expresiones regulares
Es un lenguaje muy simple que no permite la creación de clases u objetos
Solo implementa variables, arreglos asociativos y estructuras de control
Ideal para el procesamiento de logs
Liviano, rápido e integrado con el shell de Linux
Tiene un set limitado de funciones predefinidas
308/03/15Ing. David Barreto Llano (david-barreto.com)
Historia de AWK
AWK fue Creado en 1977 en “AT&T Bell Laboratories”
El nombre del lenguaje son las siglas de los apellidos de sus creadores: Aho, Weinberger y Kernighan
En 1985 se crea una nueva versión del lenguaje y se bautiza como NAWK (New AWK)
Entre 1986 y 1989, un equipo de voluntarios, con ayuda de Richard Stallman (fundador del movimiento del software libre) crea una versión libre de NAWK pero más potente y es llamado GAWK (GNU AWK)
408/03/15Ing. David Barreto Llano (david-barreto.com)
Las diferentes versiones de AWK
Algunos sistemas mantienen AWK y NAWK como programas independientes
Algunos sistemas han renombrado AWK como OAWK (Old AWK) e internamente redireccionan AWK hacia NAWK o hacia GAWK
Algunos sistemas mantiene de forma independiente todas las versiones del lenguaje: AWK, NAWK y GAWK
El sistema operativo Canaima trae la versión AWK redireccionado a NAWK. Canaima no trae de forma nativa GAWK
Para instalar GAWK en Canaima: sudo apt-get install gawk
Para instalar GAWK en Windows: (Google) GAWK for Widows
508/03/15Ing. David Barreto Llano (david-barreto.com)
¿Cómo determinar la versión de AWK?
$> man awk
608/03/15Ing. David Barreto Llano (david-barreto.com)
Estructura Básica
Un programa AWK consta de un conjunto de reglas, que buscan patrones sobre los archivos de entrada y ejecuta acciones si encuentra una coincidencia
$1 == "abc" || $2 > 30 { suma = $1+$2+5 print(suma)}
Patrón
Regla
Acción
708/03/15Ing. David Barreto Llano (david-barreto.com)
Estructura Básica
Los campos de cada entrada se acceden usando números precedidos por el símbolo de dólar
$1 = Accede al primer campo de la entrada
$2 = Accede al segundo campo de la entrada
$N = Accede al enésimo campo de la entrada (N={1,2,3,..})
$0 = Accede a toda la entrada
Si se trata de acceder a un campo inexistente AWK retorna un string vacío
808/03/15Ing. David Barreto Llano (david-barreto.com)
Estructura Básica
Existen reglas especiales que se ejecutan una sola vez al inicio (BEGIN) y al final (END)
Si se omite el patrón de una regla, la acción se ejecuta siempre para todas las entradas
Si se omite la acción, no se realiza ninguna operación
Las reglas se ejecutan en el mismo orden en que son definidas
908/03/15Ing. David Barreto Llano (david-barreto.com)
Estructura Básica
Los campos de cada entrada se acceden usando números precedidos por el símbolo de dólar
$1 = Accede al primer campo de la entrada
$2 = Accede al segundo campo de la entrada
$N = Accede al enésimo campo de la entrada (N={1,2,3,..})
$0 = Accede a toda la entrada
Si se trata de acceder a un campo inexistente AWK retorna un string vacío
1008/03/15Ing. David Barreto Llano (david-barreto.com)
Ejemplos de Uso
$2 == "Oriente" { print($1)}
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
Albany
$2 == "Caracas" { print($1)}$1 == "Gabriela" { print($2)}
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
DavidOccidente
BEGIN { print("Inicio") }{ print($2) }END { print("Fin") }
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
InicioCaracasOccidenteCentroOrienteFin
1108/03/15Ing. David Barreto Llano (david-barreto.com)
Ejecutar BEGIN
Leer próxima entrada
Validar el patrón en la entrada ¿Hay coincidencia?
¿Fin del archivo?
Ejecutar END
Ejecutar acción
Algoritmo de ejecución de AWK (resumen)
NONO
SI
SI
1208/03/15Ing. David Barreto Llano (david-barreto.com)
Formas de Ejecutar de AWK
Desde la línea de comandos
gawk '{ print($1) }' optimizacion_v2.txt
Desde la linea de comandos usado como parte de un “pipe” del shell
cat optimizacion_v2.txt | gawk '{ print($1) }'
Desde un archivo
gawk -f procesador.awk optimizacion_v2.txt
gawk -f procesador.awk optimizacion_v2.txt > resultado.txt
1308/03/15Ing. David Barreto Llano (david-barreto.com)
David Barreto, (0416) 629-0508, CaracasDavid Mercado, (0416) 613-4416, OrienteJerald Almeida, (0212) 705-7456, CaracasVíctor Prieto, (0426) 896-7706, Centro
optimizacion_v1.txt
procesador.awk
{ print($1) }
{ print($1, $4) }
BEGIN { FS = "," }{ print($1, $3) }
BEGIN { FS = "," OFS = ";"}{ print($1, $3) }
BEGIN { FS = "," OFS = ";"}$3 == "Caracas" { print($1, $3) }
BEGIN { FS = "," OFS = ";"}$3 == " Caracas" { print($1, $3) }
BEGIN { FS = ", " OFS = ";"}$3 == "Caracas" { print($1, $3) }
BEGIN { FS = ", " OFS = ";"}$1 ~ /David/ { print("David de " $3) }
gawk -f procesador.awk optimizacion_v1.txt
¿Qué resultado genera cada uno de estas variantes del archivo "procesador.awk"?
1408/03/15Ing. David Barreto Llano (david-barreto.com)
Comentarios en el Código
Los comentarios son líneas de texto dentro del código que son ignoradas por el interpretador
Funcionan como referencias documentales para el programador
En AWK los comentarios se inician con el símbolo "#"
No existe un símbolo de comentario multilínea
# Compara el campo 1 con el valor 5# e indica si hay match$1 == 5 { print("match!") # Texto de referencia}
1508/03/15Ing. David Barreto Llano (david-barreto.com)
Función interna del lenguaje "print"
Imprime resultados en la consola o en un archivo de salida e inserta un salto de línea (\n) al final
{ print($1) }
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
DavidGabrielaJonathanAlbany{ print $1 }
{ print($1, $2) }
{ print("Hola " $1) }
Hola DavidHola GabrielaHola JonathanHola Albany
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
optimizacion_v2.txt
1608/03/15Ing. David Barreto Llano (david-barreto.com)
Estructuras de control
Estructura if-else
Estructura for
if(power > 15) {print("BTS de alta potencia")
} else {print("BTS de baja potencia")
}
for(i=0; i<5; i++) {print(i)
}
1708/03/15Ing. David Barreto Llano (david-barreto.com)
Arreglos
AWK tiene un manejo muy básico de los arreglos
En AWK todos los arreglos son asociativos
No hay forma de inicializar un arreglo con valores
celdas[88] = "Catia"celdas[140] = "Altamira"celdas["23"] = "San Martín"celdas["Modcell"] = 1
#Esto no es válido...frutas = ["fresa", "mora", "piña"]
#Esto si es válido...frutas[0] = "fresa"frutas[1] = "mora"frutas[2] = "piña"
1808/03/15Ing. David Barreto Llano (david-barreto.com)
Arreglos
Operaciones básicas
Buscar un índice dentro de un arreglo
#Asignación de valores a un arreglocapitales["Venezuela"] = "Caracas"capitales["Colombia"] = "Bogotá"
#Lectura de valores de un arregloprint(capitales["Venezuela"])
#Eliminación de valores de un arreglodelete capitales["Venezuela"]
if("Colombia" in capitales) { print("Colombia es un índice del arreglo")} else {
print("Colombia no es un índice del arreglo")}
1908/03/15Ing. David Barreto Llano (david-barreto.com)
Arreglos
Recorrer todos los elementos de un arreglo
Buscar un valor dentro de un arreglo
for(i in capitales) { print(capitales[i])}
found = 0for(capital in capitales) {
if(capitales[capital] == "Caracas") {found = 1break
}}if(found) {
print("Caracas es un valor del arreglo")}
2008/03/15Ing. David Barreto Llano (david-barreto.com)
Arreglos: Consideraciones Especiales
Para emular una inicialización de un arreglo en una sola línea, se debe hacer uso de la función split
Cuando se hace referencia a un elemento del arreglo que no existe, AWK automáticamente le asigna el valor del string vacío
split("fresa mora piña", frutas, " ")
capitales["Venezuela"] = "Caracas"capitales["Colombia"] = "Bogotá"
#En otros lenguajes esto daría un errorcap_ecuador = capitales["Ecuador"] #cap_ecuador == ""
2108/03/15Ing. David Barreto Llano (david-barreto.com)
Función interna del lenguaje "printf"
Similar a print pero permite un mayor control del formato
No inserta de forma automática un salto de línea al final
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
{ printf("%s pertenece a %s\n", $1, $2) }
David pertenece a CaracasGabriela pertenece a OccidenteJonathan pertenece a CentroAlbany pertenece a Oriente
2208/03/15Ing. David Barreto Llano (david-barreto.com)
Letras de control de formato
%i, %d: Imprime números enteros (integers)
%s: Imprime cadenas de texto (strings)
%f: Imprime valores de punto flotante (floats)
awk 'BEGIN{printf("%i %s tienen %f bolívares\n",5,"personas",2500)}'
5 personas tienen 2500.000000 bolívares
2308/03/15Ing. David Barreto Llano (david-barreto.com)
Modificadores del formato
Posición (N$): Permite usar variables por posición
Precisión (.N): Indica la cantidad de decimales para imprimir
gawk 'BEGIN{printf("%1$s: CELL %1$s; SECTOR %2$i\n", "00981", 2)}'
00981: CELL 00981; SECTOR 2
gawk 'BEGIN{printf("En la cuenta hay %.2f bolívares\n", 7800)}'
En la cuenta hay 7800.00 bolívares
2408/03/15Ing. David Barreto Llano (david-barreto.com)
Redireccionamiento de la Salida
Por default, la salida de AWK (print, printf) va directamente a la consola
El redireccionamiento de la salida se puede definir desde el comando de invocación o dentro del propio código
awk 'BEGIN{print("hola")}' > salida.txt
BEGIN { print("hola") > "salida.txt"}
2508/03/15Ing. David Barreto Llano (david-barreto.com)
Redireccionamiento de la Salida
Dentro del código, existen dos formas de redireccionamiento: borrar y agregar (>) o solo agregar (>>)
#Si salida.txt no existe, AWK lo crea automáticamenteBEGIN { print("hola") > "salida.txt" #Borra el contenido primero
print("chao") > "salida.txt" #Agrega la información}
#Si salida.txt no existe, AWK lo crea automáticamenteBEGIN { print("hola") >> "salida.txt" #Agrega la información
print("chao") >> "salida.txt" #Agrega la información}
2608/03/15Ing. David Barreto Llano (david-barreto.com)
Variables Predefinidas
FS (Field Separator): Separador de campo de entrada
OFS (Output Field Separator): Separador de campo de salida
RS (Record Separator): Separador de fila de entrada
ORS (Output Record Separator): Separador de fila de salida
NF (Number of Fields): Cantidad de campos de la fila actual
NR (Number of Records): Cantidad de filas del archivo
FNR (actual Record Number): Número de la fila actual
2708/03/15Ing. David Barreto Llano (david-barreto.com)
FS: Separador de Campo de Entrada
Define el caracter o conjunto de caracteres que serán usados para la separación de los campos de una "entrada"
BEGIN { FS = ";"}{ print($2) }
David; CaracasGabriela; OccidenteJonathan; CentroAlbany; Oriente
Caracas Occidente Centro Oriente
BEGIN { FS = "..."}{ print($2) }
David...CaracasGabriela...OccidenteJonathan...CentroAlbany...Oriente
CaracasOccidenteCentroOriente
optimizacion_v2.txt
2808/03/15Ing. David Barreto Llano (david-barreto.com)
FS: Separador de Campo de Entrada
Su valor por defecto es el caracter vacío (" "). Este es un caso especial que incluye cualquier cantidad de espacios consecutivos o tabulaciones (\t)
Ignora los espacios en blanco al inicio o al final de la entrada
{ print($2) }
David Caracas Gabriela OccidenteJonathan Centro Albany Oriente
CaracasOccidenteCentroOriente
{ print($2) }
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
CaracasOccidenteCentroOriente
2908/03/15Ing. David Barreto Llano (david-barreto.com)
FS: Separador de Campo de Entrada
El separador de campo puede ser definido como una expresión regular
BEGIN { FS = "--[abcd]--"}{ print($2) }
David--a--CaracasGabriela--b--OccidenteJonathan--c--CentroAlbany--d--Oriente
CaracasOccidenteCentroOriente
BEGIN { FS = "(=)+"}{ print($2) }
David======CaracasGabriela===OccidenteJonathan===CentroAlbany=====Oriente
CaracasOccidenteCentroOriente
3008/03/15Ing. David Barreto Llano (david-barreto.com)
FS: Separador de Campo de Entrada
Si se usa el string vacío ("") como separador de campo, cada caracter de la entrada se convierte en un campo independiente
BEGIN { FS = ""}{ print($2) }
David; CaracasGabriela; OccidenteJonathan; CentroAlbany; Oriente
aaol
3108/03/15Ing. David Barreto Llano (david-barreto.com)
OFS: Separador de Campo de Salida
Define el o los caracteres de separación de los campos, al momento de "imprimir" resultados en la consola o en un archivo de texto
BEGIN { FS = "--" OFS = "; "}{ print($1, $2) }
David--CaracasGabriela--OccidenteJonathan--CentroAlbany --Oriente
David; CaracasGabriela; OccidenteJonathan; CentroAlbany; Oriente
BEGIN { FS = "--" OFS = "; "}{ $1 = $1 print($0)}
David--CaracasGabriela--OccidenteJonathan--CentroAlbany --Oriente
David; CaracasGabriela; OccidenteJonathan; CentroAlbany; Oriente
3208/03/15Ing. David Barreto Llano (david-barreto.com)
NF: Número de campos de la entrada
El campo NF es una variable propia del lenguaje que nos informa cuantos campos hay por entrada
Se define automáticamente para cada entrada procesada
Es usado para acceder al último (penúltimo, antepenúltimo, etc.) elemento de una entrada
{ print(NF) }a b c dx y3 2 5
423
{ print($NF) }a b c dx y3 2 5
dy5
{ print($(NF-1)) }a b c dx y3 2 5
cx2
random_v1.txt
3308/03/15Ing. David Barreto Llano (david-barreto.com)
El Campo $0: Impresión con separador
Cuando se imprime el campo $0, se imprime la entrada completa igual a como aparece en la fuente
Para imprimir la entrada con el nuevo caracter se separación (OFS), se debe primero realizar una asignación "dummy"
BEGIN { OFS = ", "}{ print($0) }
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
BEGIN { OFS = ", "}{ $1 = $1 print($0)}
David CaracasGabriela OccidenteJonathan CentroAlbany Oriente
David, CaracasGabriela, OccidenteJonathan, CentroAlbany, Oriente
3408/03/15Ing. David Barreto Llano (david-barreto.com)
Valores Booleanos
AWK no implementa las constantes True o False como la mayoría de los lenguajes para definir valores booleanos
En su lugar, AWK toma el valor 0 y el string vacío como False y cualquier otro valor como True
Las expresiones lógicas en AWK retornan 1 (True) ó 0 (False)
if(5 == 5) # 1 (True)
if("Juan") # 1 (True)
if(34567) # 1 (True)
if(0) # 0 (False)
if("") # 0 (False)
3508/03/15Ing. David Barreto Llano (david-barreto.com)
Operadores Lógicos
Operador AND: Ambas condiciones deben cumplirse
Operador OR: Al menos una condición debe cumplirse
Operador NOT: Negación de la expresión
(5 >= 3) && (4 < 6)(5 >= 6) && (4 < 6)
(5 >= 3) || (4 == 3)(5 >= 5) || (4 <= 5)
!(3 == 3) || !(2 > 1)!((3 > 4) && (5 == 3))
# 1 (True)# 0 (False)
# 1 (True)# 1 (True)
# 0 (False) # 1 (True)
3608/03/15Ing. David Barreto Llano (david-barreto.com)
Patrones Combinados
Bolígrafo 30 64.99Lápiz 80 15.50Borrador 0 8.75Libro 0 350.00Cuaderno 12 199.99Libreta 19 235.00
$1 ~ /^L/ && $3 > 30 { print($0)}
$1 == "Lápiz" || $1 == "Borrador" { print($0)}
$3 >= 30 && $3 <= 100 { print($0)}
($1 ~ /[Bb]/ && $2 > 0) || $3 <= 20 { print($0)}
inventario.txt
3708/03/15Ing. David Barreto Llano (david-barreto.com)
Expresiones Regulares
Una expresión regular es un conjunto de símbolos que permiten realizar una búsqueda por patrones de texto
Las expresiones regulares usualmente están demarcadas entre símbolos de slash (/)
/uan/
El operador de coincidencia es el símbolo ~
$1 ~ /uan/ { … }
Se puede aplicar el operador de negación sobre el operador de coincidencia !~
$1 !~ /uan/ { … }
AWK permite usar expresiones regulares para definir variables del lenguaje como FS y RS
3808/03/15Ing. David Barreto Llano (david-barreto.com)
Ejemplos de Expresiones Regulares
Buscar las palabras que contengan la secuencia "in"
Buscar las palabras que empiecen por "L"
LisoLinoPinolimón512
$1 ~ /in/ { print($1)}
LinoPino
LisoLinoPinolimón512
$1 ~ /^L/ { print($1)}
LisoLino
random_v2.txt
3908/03/15Ing. David Barreto Llano (david-barreto.com)
Ejemplos de Expresiones Regulares
Buscar las palabras que empiecen por "L" o "l"
Buscar las palabras que terminen con "no"
LisoLinoPinolimón512
$1 ~ /^[Ll]/ { print($1)}
LisoLinolimón
LisoLinoPinolimón512
$1 ~ /no$/ { print($1)}
LinoPino
4008/03/15Ing. David Barreto Llano (david-barreto.com)
Expresiones Regulares
Buscar las "palabras" que consten exclusivamente de números
Buscar las palabras contengan una secuencia que inicia con "i", seguida de cualquier letra, seguida de la letra "o"
LisoLinoPinolimón512
$1 ~ /^[0-9]$/ { print($1)}
512
LisoLinoPinolimón512
$1 ~ /i.o/ { print($1)}
LisoLinoPino
4108/03/15Ing. David Barreto Llano (david-barreto.com)
Expresiones Regulares
Buscar las "palabras" que contengan una secuencia que inicie con 1 y tenga al menos un 8 a continuación
Buscar las "palabras" que contengan una secuencia que inicie con 1 y tenga cero, uno o varios 8 a continuación
18921889219888881982
$1 ~ /1(8)+/ { print($1)}
18921889
18921889219888881982
$1 ~ /1(8)*/ { print($1)}
1892188921981982
4208/03/15Ing. David Barreto Llano (david-barreto.com)
Expresiones Regulares
Buscar las "palabras" que contengan una secuencia que inicie con 1 y tenga al menos dos 8 a continuación
Buscar las "palabras" que contengan una secuencia que tenga entre 2 y 4 números ocho consecutivos
18921889219888881982
$1 ~ /1(8){2,}/ { print($1)}
21889
18921889219888881982
$1 ~ /(8){2,4}/ { print($1)}
218898888
4308/03/15Ing. David Barreto Llano (david-barreto.com)
Funciones
Las funciones son bloques de código reutilizables
function comando_btseqp(bts, potencia) { printf("BTS: %s - Power: %0.f", bts, potencia)}
$2 == 507 { comando_btseqp($1, $3)}
4408/03/15Ing. David Barreto Llano (david-barreto.com)
Funciones
Las funciones en AWK pueden definirse en cualquier parte del código fuente
Si se invoca una función sin definir uno o más parámetros, estos adquieren automáticamente el valor del string vacío
Dentro de una función no es posible definir variables locales. Para ello, se definene parámetros para los cuales nunca se le asignan argumentos
function comando(bts, potencia, i) { i = 3 printf("%i) BTS: %s - Power: %0.f", i, bts, potencia)}
2 == 507 { i = 2 comando_btseqp($1, $3) print(i)}