Фильтрация текста AWK по шаблону

Добро пожаловать в четвертую статью из цикла по AWK! На этот раз Вы узнаете о фильтрации текста по заданному шаблону с помощью данного скриптового языка. Мы рассмотрим один большой шаблон, который включает в себя сразу несколько различных метасимволов и регулярные выражения. Вы также узнаете, как использовать паттерны в командной строке AWK и как комбинировать их для создания более гибких фильтров.

Также советуем ознакомиться с третьей статьей: Как вывести на экран поля и столбцы файла с помощью awk.

Содержание:

1. Создание файла для фильтрации
2. Использование шаблона для фильтрации AWK
   1. Выполнение команды print в AWK
   2. Выполнение команды printf в AWK
   3. Использование поля $0 в шаблоне AWK
3. Выводы

Создание файла для фильтрации

Прежде всего, для фильтрации текста с помощью AWK нужно иметь файл, который содержит определенную информацию и будет обрабатываться. Например, создадим текстовый документ, в котором будет записана таблица с названиями курсов и их стоимостью:

cat courses.txt

Использование шаблона для фильтрации AWK

После того как файл создан, можно переходить к его обработке. Для вывода отфильтрованного текста будем использовать две команды:

• print;
• printf.

Выполнение команды print в AWK

Допустим, нам нужно выделить в нашем документе строки, которые содержат цену курса, большую, чем $3. Для этого напишем в терминале Linux конструкцию из следующих выражений:

awk '/ *\$[0-2]\.[0-9][0-9] */ { print ; } / *\$[3-9]\.[0-9][0-9] */ { print $1, $2, $3, $4, "*" ; }' courses.txt

Данный код на языке AWK представляет собой два шаблона для поиска и фильтрации строк в файле courses.txt.

1. Первый шаблон / *\$[0-2]\.[0-9][0-9] */ { print ; } ищет строки, в которых цена находится в диапазоне от $0.00 до $2.99, и выводит их без изменений с помощью команды print.
2. Второй шаблон / *\$[3-9]\.[0-9][0-9] */ { print $1, $2, $3, $4, "*" ; } ищет строки, в которых цена находится в диапазоне от $3.00 до $9.99, и выводит их, добавляя звездочку * с помощью print $1, $2, $3, $4, "*".
3. Знаки $ и . в регулярных выражениях обозначают, соответственно, конец строки и любой символ (кроме перевода строки). Чтобы использовать эти знаки в качестве обычных символов, их нужно экранировать символом «обратная коса» (Backslash) — \.

Важно: экранирование указывает интерпретатору, что следующий за ним знак должен рассматриваться как обычный символ, а не как метасимвол.

Этот код фильтрует строки в файле courses.txt по цене и добавляет звездочку в конце строк, где цена находится в диапазоне от $3.00 до $9.99.

Выполнение команды printf в AWK

Вы могли заметить, что в предыдущем примере поля строк, обозначенных в конце символом *, после обработки «съехали» влево. Чтобы отформатировать текст вывода, будем вместо print использовать в команде AWK оператор printf:

awk '/ *\$[3-9]\.[0-9][0-9] */ { printf "%-10s %-10s %-10s %-10s\n", $1, $2, $3, $4 "*" ; } / *\$[0-2]\.[0-9][0-9] */ { printf "%-10s %-10s %-10s %-10s\n", $1, $2, $3, $4; }' courses.txt

На скриншоте видно, что содержимое файла стало похожим на таблицу. Рассмотрим детальнее использованную для этого конструкцию:

1. В регулярных выражениях / *\$[3-9]\.[0-9][0-9] */ и / *\$[0-2]\.[0-9][0-9] */ применяются метасимволы, которые указывают на цены от $3.00 до $9.99 и от $0.00 до $2.99, соответственно.
2. Команда printf используется для форматирования вывода, где:
   • %10s — означает, что поле занимает 10 символов;
   • %-10s — означает, что поле занимает 10 символов и выравнивается по левому краю;
   • %s — означает, что поле может содержать любое количество символов.
3. На экран выводятся первые четыре поля каждой строки файла courses.txt. Если цена попадает в диапазон от $3.00 до $9.99, то в конце выводится знак *.

Использование поля $0 в шаблоне AWK

В AWK поле $0 представляет всю строку в текущей обрабатываемой записи. Это означает, что поиск будет производиться по всей строке. Если поле $0 не указано явно в команде, то по умолчанию скриптовый язык будет использовать именно его. Модифицируем нашу конструкцию следующим образом:

awk '/ *\$[3-9]\.[0-9][0-9] */ { print $0 "*" ; } / *\$[0-2]\.[0-9][0-9] */ { print ; }' courses.txt

Данная команда AWK читает файл courses.txt и фильтрует строки по заданному шаблону:

1. / *\$[3-9]\.[0-9][0-9] */ — шаблон для строк, содержащих цену от $3.00 до $9.99.
2. { print $0 "*" ; } — действие, которое выполняется для строк, соответствующих первому шаблону, где $0 обозначает всю строку, а "*" добавляет символ звездочки в конец строки.
3. / *\$[0-2]\.[0-9][0-9] */ — шаблон для строк, содержащих цену от $0.00 до $2.99.
4. { print ; } — действие, которое выполняется для строк, соответствующих второму шаблону. В данном случае весь текст строки выводится без изменений.

Выводы

В статье были рассмотрены основные принципы фильтрации текста с помощью AWK по шаблону. Мы показали различные способы применения паттернов в командах языка сценариев, включая специальныя действия для них. Освоив эти принципы, Вы сможете значительно упростить процесс фильтрации и обработки текстовых данных с помощью AWK.

Спасибо за время, уделенное прочтению статьи!

Если возникли вопросы — задавайте их в комментариях.

Подписывайтесь на обновления нашего блога и оставайтесь в курсе новостей мира инфокоммуникаций!

Чтобы знать больше и выделяться знаниями среди толпы IT-шников, записывайтесь на курсы Cisco, курсы по кибербезопасности, полный курс по кибербезопасности, курсы DevNet / DevOps (программируемые системы) от Академии Cisco, курсы Linux от Linux Professional Institute на платформе SEDICOMM University (Университет СЭДИКОММ).