Divide o arquivo de log grande em partes com base na data

Question

Estou tentando elaborar um comando do Linux para dividir um arquivo de log grande em partes com base na data.

Usando link como ponto de partida ponto, eu tentei:

awk '{ split($4,array,"/"); print > array[2] ".txt" }' TestLog.txt

No meu exemplo TestLog.txt com entradas para maio, junho e julho de anos diferentes, isso criou os arquivos de texto May.txt, Jun.txt e Jul.txt:

Para entender os valores nas matrizes, eliminei o arquivo de saída e exibi os valores da matriz usando:

awk '{ split($4,array,"/"); print  array[1] "  "  array[2] "  " array[3] "  " array[4] }' TestLog.txt

Onde as duas primeiras linhas de TestLog.txt são:

124.115.5.11 - - [30/May/2011:23:21:37 -0500] "GET / HTTP/1.0" 200 206492 "-" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322;TencentTraveler)"
58.61.164.39 - - [31/May/2011:00:36:35 -0500] "GET / HTTP/1.0" 200 206492 "-" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322;TencentTraveler)"

Isso resultou em [30 May 2011:23:21:37 para a primeira linha do arquivo.

Os resultados foram muito confusos para mim. Em particular:

1. Por que array[1] é igual a [30 e não 124.115.5.11 - - [30 ?

2. Por que array[3] é igual a 2011:23:21:37 e não 2011:00:36:35 -0500] "GET ?

3. Por que array[4] null?

4. Qual deve ser o valor de array[0] ?

Answer 1

Vamos pegar a primeira linha:

124.115.5.11 - - [30/May/2011:23:21:37 -0500] "GET / HTTP/1.0" 200 206492 "-" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322;TencentTraveler)"

e a parte crucial do fragmento awk :

awk '{ split($4,array,"/") ...

Aqui está o que está acontecendo:

• awk executa e divide a linha nos espaços (separador de campo padrão)
• O campo 4 th na linha também está sendo dividido em / character
• o resultado da divisão é colocado no array
• mais tarde, toda a linha é impressa no arquivo denominado como um segundo subcampo ( array[2] ) do quarto campo

então $4 campo continha inicialmente [30/May/2011:23:21:37 e depois da divisão nós temos

array[1]=[30
array[2]=May
array[3]=2011:23:21:37

Não há array[4] , porque o campo 4 th não contém 4 th "subcampo" e não há array[0] porque em awk os índices de array começam em 1.