Como analisar um arquivo de dados para extrair dados específicos e formatar para outro uso?

Question

Dado um arquivo de dados que contém vários conteúdos, eu gostaria de primeiro ignorar qualquer linha que não comece com um endereço IP, em seguida, imprima o endereço IP seguido por qualquer string encontrada nas chaves que não contenham = placa. Qualquer linha dada pode ter uma ou várias strings.

Por exemplo:

ENTRADA:

junk12  
junk34  
198.0.12.20 [ joker penguin character=villian ] blah  
198.0.13.20 [ super_man bat_man character=hero ] blah  
198.0.14.20 [ lois_lane character=damsel ] blah  
junk56  
junk78  

OUTPUT:

198.0.12.20 joker  
198.0.12.20 penguin  
198.0.13.20 super_man  
198.0.13.20 bat_man  
198.0.14.20 lois_lane  

    

Answer 1

Pode haver muitas maneiras de fazer isso, mas em awk podemos fazer algo como

awk 'gsub(/^[0-9.]+ \[ /,$1 " ") { a=2; while (a<=NR && $a != "]") { if ($a !~ /=/) {print $1 " " $a } ; a++ } }'

Vamos dividir isso em algo mais legível:

gsub(/^[0-9.]+ \[ /,$1 " ") { .... }

Isso corresponderá às linhas que começam com números e pontos, seguidas por um espaço e [ . Então, ele corresponderá a 10.20.30.40 [ , mas não corresponderá a junk23 . Ele irá substituí-lo pelo primeiro campo e depois executar o material dentro do {...} .

Então, uma linha como

198.0.12.20 [ joker penguin character=villian ] blah  

entrará nessa seção com a aparência

198.0.12.20 joker penguin character=villian ] blah  

Agora, a parte do meio, que pode ser mais fácil de entender, se for escrita em várias linhas:

a=2;
while (a<=NR && $a != "]")
{
  if ($a !~ /=/) {print $1 " " $a }
  a++;
}

Então começamos no 2º campo ("coringa" nesse caso) e continuamos até que ficamos sem palavras ou vemos o ] . Para cada palavra que encontramos, se ela não contiver um = , imprimiremos o primeiro campo (o endereço IP) e a palavra.

Os resultados:

198.0.12.20 joker
198.0.12.20 penguin
198.0.13.20 super_man
198.0.13.20 bat_man
198.0.14.20 lois_lane

(Há provavelmente melhores maneiras de fazer isso!)