sed & awk

19.2.2006 19:33 | Přečteno: 1944× | Linux | poslední úprava: 19.2.2006 19:35

Linux je můj koníček. Linux je velká část mého volného času. Linux je i velká část příjmů mého studentského života. Umožnil mi lehčí nadstandard po finanční stránce. Za to vděčím nejen kamarádovi, který mi linux kdysi ukázal, ale hlavně své motivaci se neustále něco učit. Přesto existují oblasti, ve kterých se téměř vůbec neorientuju. Aktuálně jsou to programy sed & awk a regulární výrazy.

Z výstupu MRTG jsem chtěl vyparsovat časové údaje mezi tagy strong na řádce

Poslední aktualizace statistiky: _
   <strong>Neděle 19. Únor 2006 , 18:51 hod </strong>

, abych to mohl dále zpracovávat pomocí PHP. Narazil jsem na spoustu problémů. Buď jsem se nezbavil tagů strong, nebo jsem se zbavil všeho nebo všelijaké paskvily. Trápil jsem se s takovou hloupostí několik hodin. Ale určitě to nebylo zbytečné. Pochopil jsem, jak funguje awk.

Jak to dopadlo? Dávám to sem, třeba se to někomu bude hodit.

Soubor aktualizace.awk:

{
   sStart  = index($0, "<strong>") + 8;
   sEnd    = index($0, "</strong>");
   sLength = sEnd - sStart + 8;

   print(substr($0, sStart, sLength));
}

Soubor aktualizace.php:

<?php
   echo "Poslední aktualizace statistiky: <b>", _
      `cat mrtg.html | grep aktualizace | awk -f aktualizace.awk`, _
      "</b>";
php?>

Příští zastávka: sed

       

Komentáře

[David Watzke]

Hehe

cat mrtg.html | grep aktualizace | awk -f aktualizace.awk

lepší je

grep aktualizace mrtg.html | awk -f aktualizace.awk

Viz Kde se vzalo 'cat soubor | příkaz'?.

[Ondřej Čečák]

cat soubor | prikaz je super v tom, ze staci dva stisky klaves, a razem parsujete misto textu treba komprimovany text.

[Michal Vyskočil]

Zrovna u grepu to taky není taky problém, stačí použít shellové wrappery zgrep, nebo bzgrep. To se netýká awk, nebo sedu. Je pravda, že psát wrapper na každou z textutils by bylo docela drsné .

[Michal Kubeček]

Nemluvě o tom, že by to bylo tak trochu proti celé koncepci rour a filtrů… :-)

[Michal Kubeček]

A to vám připadá vtipné? Proč se určitá skupina lidí pořád tolik vyžívá v brojení proti používání příkazu cat?

[David Watzke]

Ne, vtipný mi to nepřipadá. V shellu to není tak divný napsat, když je jeden línej, ale do skriptu? Zbytečný, delší atd.. Proti cat nic nemám

[m$ lipo $m]

mohlo by to jit treba takto:

grep strong mrtg.html | sed -e "s/\(<strong>\)\(.*\)\(\</strong\>)/\2/"

[diverman]

Nastuduju, dík.

[..]

Myslim ze trochu jednodussi, citelnejsi a funkcnejsi zapis toho sedu by byl

sed -e 's%^.*<strong>\(.*\)</strong>.*$%\1%'

Ubylo tak zbytecneho escapovani. Je to i funkcnejsi, protoze vase ukazka pouze defakto "umaze" tagy <strong> a jeho zaviraci obdobu.

[Josef Kufner]

sed -n '{/<STRONG>.*<\/STRONG>/s/^.*<STRONG>\(.*\)<\/STRONG>.*$/\1/};T;p' mrtg.html

[diverman]

Nemáte v archivu odkaz na nějaký dobrý článek nebo tutoriál o sed/awk/regulárních výrazech? Chtěl bych vidět hlavně řešené příklady.

[Mortal]

Pokud by nevadilo zakoupení knihy o awk a sedu tak tady je recenze

[diverman]

možná si půjčím v knihovně. dík za tip

[al-Quaknaa]

Ačkoliv tady root.cz není zvlášť oblíbený, zde by, domnívám se, pomohl:
Seriál o sedu
Regulární výrazy
Snad se bude hodit.
al-Quaknaa

[diverman]

zajímavé, dík

[Semo]

Tiez som kedysi parsoval HTML sedom, ale obecne je to trocha zlozitejsie. Vsetky tu uvedene riesenia nepocitaju s tym, ze tagy mozu byt na roznych riadkoch. Takze najprv treba cez sedovy prikaz 'N' spojit riadky dohromady a az potom z toho vytahovat data.

V opacnom pripade sa moze stat, ze z validneho HTML nevytiahnete pozadovane data.

[Coques]

sed od A po ..