Intruducción a AWK

Estos días he andado muy activo con el reforzamiento de algunos temas, especialmente los que más me interesan. AWK y Sed han sido, por mucho tiempo, mis herramientas favoritas en la elaboración de estadísticas y reportes. No son especialistas en la presentación de la información (no grafican), pero con algo de imaginación, quedan bastante inteligibles las salidas.

He estado revisando el libro de Sed & AWK de Ardnold Robbins y Dale Dougherty, cuyo contenido hasta ahora me ha parecido excelso. Su estructura y manera de explicar las posibilidades provienen de la experiencia, no de la teoría. Un punto muy bueno por los autores. Es ameno leerlos, los ejemplos se organizan por complejidad/utilidad, explicándolos poco a poco sin que caiga en un man del sistema y que al final la información esté en los terrenos de lo baladí. Recomiendo mucho su lectura, el aprendizaje de estas dos herramientas es vital si desean manejar y entender los registros del sistema y aplicaciones. Su poder radica en la flexibilidad en la extracción de datos con unos cuantos criterios, tarea que podría llevarnos demasiado tiempo si se realiza a mano; o incluso si son duchos en la utilización de lenguajes funcionales.

 

Inspirándome en su trabajo, a continuación quiero poner algunos de sus ejemplos, en los cuales he modificado algunos pasos, no por el hecho que sean insignificantes, sino para que operen con otras entradas y en otros resultados. Es lúdico cuando se repiten los ejemplos y después se modifican para entender la importancia y los resultados de cada componente en el script. Ese es el mejor consejo que puedo darles para que entiendan y almacenen en su cabeza, de memoria, la escritura de scripts.

El siguiente script tomará mi lista de libros en goodreads.com y generará un reporte por autor de los libros que tengo. La salida que produce será con el formato siguiente.

Vicente Garrido Genovés
        Perfiles criminales
Vicente Leñero
        Más gente así
        Los albañiles
Vicente Riva Palacio
        Los cuentos del general
Virgilio Piñera
        Cuentos frios & El que vino a salvarme
Vladimir Ilyich Lenin
        The State and Revolution
Walter Scott
        La viuda de las montañas (Spanish Edition)
W.G. Sebald
        Vertigo
William S. Burroughs
        Junky
William Shakespeare
        Hamlet
        Richard II
Wisława Szymborska
        View With a Grain of Sand: Selected Poems
W. Richard Stevens
        Advanced Programming in the UNIX Environment

Código

#!/bin/sh
awk -F, '{
  print $3 ", " $0
    }' $* |
sort |
awk -F, '
$4 == LastStates {
  print "\t" $3
  }
$4 != LastStates {
  LastStates = $4
  print $4
  print "\t" $3
  }'

Invocamos el anterior código, en caso que se resguarde en un archivo de texto con los permisos de ejecución activos, como:

 

$ byAuthor goodreads_library_export.csv

byAuthor es el nombre que yo lee he dado**

Vamos a desglosar lo que realizamos anteriormente.

awk -F, -> Esto quiere decir que cambiamos el delimitador. Los delimitadores son los que le dicen a AWK qué es una columna. Por defecto, son los espacios en blanco.

sort -> No es parte de AWK, sin embargo, nos permite ordenar por criterios de ascendencia o descendencia algunas columnas. Muy útil. También es factible crear la rutina de AWK que lo haga, pero eso será en otra ocasión.

La mayor parte de la lógica está en las condiciones. En términos generales, se evalúa la columna $4, la cual nos dictaminará si es el mismo autor o no (Por eso es importante ordenar previamente). Si lo es, solo imprime el título del libro, en caso contrario, imprimirá el nuevo autor y el libro. De sobra está decir que éste será siempre la condición ejecutada cuando se inicie el script.

$4 == LastStates {
  print "\t" $3
  }
$4 != LastStates {
  LastStates = $4
  print $4
  print "\t" $3
  }'

Espero que les ayude a extracción y presentación de la información que extraen de los logs. Estaré publicando más cosas de este tema, pero si quieren, en otros temas tengo igualmente el uso de algunos ejemplos más elaborados y más particulares.

Pueden descargar el código y la lista de ejemplos para su puesta en marcha.