Como dividir o arquivo de texto em registros pelo primeiro caractere não em branco usando awk e imprimir somente os registros que contenham string

Question

Eu tenho um arquivo de texto com informações separadas em blocos. Eu gostaria de separar esses blocos em registros para que eu possa lidar com eles separadamente.

Este é o meu arquivo de texto (file.txt):

Alarm Stats:
com.android.calendar
     38ms running, 0 wakeups
     1 alarms: act=com.android.calendar.APPWIDGET_SCHEDULED_UPDATE dat=content://com.android.calendar typ=vnd.
com.android.providers.calendar
     2ms running, 2 wakeups
     2 alarms: act=com.android.providers.calendar.intent.CalendarProvider2 flg=0x14
android
     35563ms running, 11 wakeups
     1 alarms: act=android.intent.action.DATE_CHANGED flg=0x20000014
     1210 alarms: act=android.intent.action.TIME_TICK flg=0x40000014
     120 alarms: act=com.android.server.ThrottleManager.action.POLL flg=0x14
     1 alarms: act=android.net.wifi.DHCP_RENEW flg=0x14
     10 alarms: act=android.content.syncmanager.SYNC_ALARM flg=0x14
com.apollo.apollonetworkcheck
     1026ms running, 88 wakeups
     88 alarms: flg=0x14
com.android.phone
     4ms running, 0 wakeups
     2 alarms: act=com.android.phone.UPDATE_CALLER_INFO_CACHE flg=0x14

Usando "apollo" como minha string de pesquisa, a saída deve ser:

com.apollo.apollonetworkcheck
     1026ms running, 88 wakeups
     88 alarms: flg=0x14

Até agora eu tenho isso para minha linha de comando, mas não sei onde colocar a string de pesquisa "apollo". Além disso, não sei como especificar "não em branco" para o separador de registro.

$ awk 'BEGIN { RS = "^RTC" } { print $1 }' file.txt

Archemar, Wurtel, Steeldriver, Terdon, suas respostas são ótimas e adicionam muitas substâncias e resolução de recursos à questão. Eu votei em cima de cada resposta pelo grande valor. Aquele com "gawk", claro, foi mais preciso para a questão e objetivo de usar o comando unix / linux.

    

Answer 1

Sua idéia de usar um separador de registro regex é elegante, mas lembre-se de que o awk consumirá o texto correspondente, que no seu caso será o primeiro caractere que não seja espaço em branco do registro seguinte .

Se o seu sistema tiver a versão GNU do awk, você poderá acessar o RS mais recentemente correspondido através da variável RT , no entanto, você ainda precisará salvar o resultado para voltar a colocá-lo no início do seguinte registro. - talvez algo como

gawk 'BEGIN{RS="\n[^[:blank:]]"}; {lastRT=RT}; /apollo/ {$0=substr(lastRT,2)""$0; print}' file.txt

O substr(lastRT,2) apenas remove a nova linha da correspondência para que apenas o caractere que não é espaço em branco seja prefixado.

    

Answer 2

Eu sempre jogo perl em tudo: -)

perl -ne 'if (/^\s/) { $x.=$_ }else{print $x if $x=~/apollo/; $x=$_} END {print $x if $x=~/apollo/}' file.txt

Editar: explicação do one-liner:

• -n implica um loop sobre a entrada, não imprimindo por padrão no final de cada loop (-p é o mesmo, mas imprime a linha por padrão).
• -e especifica uma expressão ou fragmento de código. Isso é executado dentro do loop implícito.
• Eu uso uma variável $ x para armazenar em buffer o texto de entrada até que um "registro" completo seja encontrado.
• / ^ \ s / corresponde aos espaços em branco no início de uma linha. Se isso for encontrado, a linha de entrada será adicionada ao buffer $ x. Caso contrário, o "registro" será concluído e inspecionado para a string de pesquisa "apollo". Se isso for encontrado, o registro será impresso. O buffer é limpo depois de ser manipulado.
• A parte END {} é executada depois que o loop é concluído para manipular o caso do último registro na entrada.

Answer 3

com um awk e um parâmetro

(file filter.awk)

BEGIN { p=0 ; } # no printing
 { if ( (substr($0,1,1) != " ") && (substr($0,1,1) != "\t" ) ) p=0 ; # if no blank stop printing
   if ( index($0,name) > 1 ) p=1 ; # pattern found ?
  if (p) print ;
 }

• $ 0 é a linha inteira
• substr ($ 0,1,1) é o primeiro caracter da linha

e o resultado

awk -v name=apollo -f filter.awk a.txt

    com.apollo.apollonetworkcheck
     1026ms running, 88 wakeups
     88 alarms: flg=0x14

    

Answer 4

Eu também jogo perl em tudo, mas às vezes adiciono sed para o sabor:

$ sed  's/^\w/\n&/' file | perl -000ne 'print if /apollo/'
com.apollo.apollonetworkcheck
    1026ms running, 88 wakeups
    88 alarms: flg=0x14

O sed adicionará uma nova linha extra entre cada registro. Ele simplesmente procura linhas que começam com um caractere alfanumérico ( ^\w ) e substitui esse caractere por uma nova linha e seguido pelo próprio caractere ( \n& , o & significa "o que você acabou de corresponder"). O resultado é um arquivo onde os registros se parecem com parágrafos, eles têm uma linha em branco antes deles.

Agora podemos usar o "modo de parágrafo" do perl, ativado por -000 . Combinado com -n (ler registro de entrada por registro), isso nos permite ler o registro inteiro de uma só vez. Então, tudo o que precisamos fazer é imprimir a "linha" atual (registro) se ela corresponder ao padrão desejado. Nesse caso, apollo .

Não sei ao certo como é portável a notação \w . Se o seu sed não conseguir lidar com isso, use isso:

sed  's/^[^ \t]/\n&/' file | perl -000ne 'print if /apollo/'

Você também pode usar a mesma abordagem com awk :

$ sed  's/^[^ \t]/\n&/' file | awk -v RS="\n\n" '/apollo/'
com.apollo.apollonetworkcheck
     1026ms running, 88 wakeups
     88 alarms: flg=0x14