Lección 10 de 31 · Patrones y regex✦ WebMCP implementado
BEGIN, END y rangos de líneas
10 min de lectura4 retos
Tus patrones eligen líneas. Pero hay cosas que no van con ninguna línea: la cabecera de un listado se imprime antes de leer nada, y el total se imprime cuando ya no queda nada por leer. Para eso awk tiene dos patrones especiales, BEGIN y END. En esta lección los usas para contar errores, y aprendes a elegir un tramo del log (de una hora a otra) y a saltarte líneas con next y exit.
¿De dónde vienen los nombres?
BEGIN = inglés begin (empezar)
Lo que hay en sus llaves se ejecuta una vez, antes de leer la primera línea. Se escribe siempre en mayúsculas.
END = inglés end (fin)
Lo que hay en sus llaves se ejecuta una vez, después de leer la última línea. También en mayúsculas.
++ = incremento: sumar uno
errores++ es «suma 1 a errores». Es el mismo $errores++ de PHP, sin el dólar.
next = inglés next (siguiente)
Deja la línea actual y pasa a la siguiente, sin mirar las reglas que queden. Es el continue de tu foreach.
exit = inglés exit (salida)
Deja de leer el fichero. Es parecido al break de tu foreach: después todavía se ejecuta END.
En 4 ideas
1/4
BEGIN { … } se ejecuta una vez antes de leer el fichero: es lo que en tu script de PHP escribes encima del foreach (la cabecera, preparar FS).
END { … } se ejecuta una vez al acabar: es lo que escribes debajo del foreach (los totales). Ahí NR vale el número total de líneas, tu count($lineas).
Para contar, se suma en cada línea y se imprime al final: $9 == 404 { errores++ } END { print errores }. Es tu $errores++ dentro del if y el echo después del bucle.
inicio, fin es un rango: elige desde la línea que cumple el primer patrón hasta la que cumple el segundo. next es tu continue y exit tu break.
1 · BEGIN: antes de leer la primera línea
Piensa en un partido de fútbol. Durante el partido pasan cosas una y otra vez: pases, faltas, goles. Pero hay dos cosas que pasan una sola vez: el pitido inicial y el pitido final. En awk, las reglas normales son el partido (se ejecutan en cada línea), BEGIN es el pitido inicial y END el final.
BEGIN se escribe donde iría un patrón, y su acción se ejecuta antes de leer nada. Es el sitio de la cabecera de un listado:
awkprograma.awk
# En PHP: echo "IP PAGINA", PHP_EOL; (antes del foreach)BEGIN { print"IP PAGINA" }
# En PHP: if ($estado == 404) { echo $ip, " ", $url, PHP_EOL; }$9 == 404 { print$1, $7 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
La cabecera sale una vez, arriba. Si quitas la palabra BEGIN y dejas solo las llaves, se convierte en una acción sin patrón y se imprime en cada línea del log. Pruébalo.
Como BEGIN se ejecuta antes de abrir el fichero, un programa que solo tenga BEGINno lee nada. Esta caja no tiene pestaña de access.log, y funciona:
awkprograma.awk
# En PHP: echo "Hola: no he abierto ningun fichero", PHP_EOL;BEGIN { print"Hola: no he abierto ningun fichero" }
$ awk -f programa.awk
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
Sin fichero de datos: este programa solo tiene BEGIN, así que no lee nada.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Ya usaste BEGIN en el módulo 02 sin saber del todo qué era: para poner el separador FS. Ahora se entiende por qué va ahí. awk trocea cada línea al leerla, así que el separador tiene que estar puesto antes de la primera. Con usuarios.csv, los nombres de los administradores:
awkprograma.awk
# En PHP: $separador = ";"; (antes del foreach)BEGIN { FS = ";" }
# En PHP: if ($numero_de_linea > 1 && $rol == "admin") { echo $nombre, PHP_EOL; }NR > 1 && $4 == "admin" { print$2 }
$ awk -f programa.awk usuarios.csv
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
usuarios.csv: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
2 · END: cuando ya no quedan líneas
END es el pitido final: su acción se ejecuta una vez, cuando awk ha leído la última línea. Es el sitio de los totales. El más fácil ya lo tienes hecho: NR cuenta las líneas leídas, así que en END vale el total de líneas del fichero.
awkprograma.awk
# En PHP: echo "Antes de leer, NR vale ", 0, PHP_EOL;BEGIN { print"Antes de leer, NR vale", NR }
# En PHP: echo "Al acabar, NR vale ", count($lineas), PHP_EOL;END { print"Al acabar, NR vale", NR }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Con BEGIN, las reglas normales y END, un programa awk tiene las mismas tres partes que tu script de PHP: lo de antes del bucle, lo de dentro y lo de después. A la izquierda, un listado de los 404 con cabecera y total de peticiones; a la derecha, lo mismo en awk.
PHP 8.5listado-404.php
<?php// 1. antes del bucle: la cabeceraecho"IP PAGINA", PHP_EOL;
$lineas = file("access.log", FILE_IGNORE_NEW_LINES);
// 2. el bucle: una vuelta por líneaforeach ($lineasas$linea) {
$campos = preg_split('/\s+/', trim($linea));
if ((int) $campos[8] === 404) {
echo$campos[0], " ", $campos[6], PHP_EOL;
}
}
// 3. después del bucle: el totalecho"Total de peticiones: ", count($lineas), PHP_EOL;
awkprograma.awk
# En PHP: lo que va ANTES del foreachBEGIN { print"IP PAGINA" }
# En PHP: lo que va DENTRO del foreach$9 == 404 { print$1, $7 }
# En PHP: lo que va DESPUES del foreachEND { print"Total de peticiones:", NR }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
⏱ Medido en el servidor del curso con access.log multiplicado hasta 1.000.000 líneas: PHP 8.5: 1,44 s · gawk: 620 ms · mawk: 570 ms. awk tarda 2,5 veces menos que PHP.
Regla
Cuándo se ejecuta
Cuántas veces
En tu script de PHP
BEGIN { … }
Antes de leer la primera línea
Una
Lo de encima del foreach
patrón { … }
En cada línea que cumple el patrón
De cero a todas
El if de dentro del foreach
END { … }
Después de la última línea
Una
Lo de debajo del foreach
¿Por qué? · En PHP no existe
¿Por qué BEGIN y END son patrones y no funciones o etiquetas?
En PHP no hacen falta: el bucle lo escribes tú, así que «antes» y «después» son simplemente las líneas de encima y de debajo. En awk el bucle no se ve (lo pone awk), y entonces no hay un «encima» ni un «debajo» donde escribir.
La solución de awk es no inventar nada nuevo. Un programa awk es una lista de patrón { acción }, y BEGIN y END son dos patrones más: uno que solo se cumple en el momento de empezar y otro que solo se cumple en el momento de acabar. Por eso van en mayúsculas, para que no se confundan con una variable tuya.
¿Qué fallo evita? El clásico del listado en PHP: meter sin querer el echo del total dentro del foreach y que salga veinte veces. En awk lo que está en END no puede ejecutarse en cada línea, lo pongas arriba o abajo del fichero.
3 · Contar: sumar en cada línea, imprimir en END
NR cuenta todas las líneas. Para contar solo algunas (los errores, por ejemplo) necesitas tu propio contador: una variable a la que le sumas 1 cada vez que una línea cumple el patrón. Es como el portero de un local con su contador de clics: aprieta el botón cada vez que entra alguien, y mira el número al cerrar, no cada vez.
awkprograma.awk
# En PHP: if ($estado >= 400) { $errores++; }$9 >= 400 { errores++ }
# En PHP: echo $errores, " errores de ", count($lineas), " peticiones", PHP_EOL;END { print errores, "errores de", NR, "peticiones" }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Tres cosas que chocan viniendo de PHP, y que el módulo 04 explica con calma. La variable errores va sin dólar. No hay que crearla ni ponerla a cero antes: nace vacía y ++ la trata como un 0. Y vive durante todo el programa, por eso END todavía la ve.
El fallo típico es imprimir el contador en el mismo sitio donde se suma. Ejecuta esto y mira la salida:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Sale una línea por cada 404, con la cuenta a medias: 1, 2, 3. El total es solo la última. Si mueves el print a un END, sale una vez y con el número final.
4 · Rangos: de una línea a otra
A veces no buscas líneas sueltas sino un tramo: «¿qué pasó entre las 10:16 y las 10:22?». awk tiene un patrón para eso: dos patrones separados por una coma. Se llama patrón de rango.
awkprograma.awk
# En PHP: un foreach con una variable $dentro que pones a true y a false a mano/10:16:/, /10:22:/ { printNR, $4, $7 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Funciona como un interruptor. awk va leyendo con la luz apagada. Cuando una línea cumple el primer patrón (contiene 10:16:), enciende la luz. Con la luz encendida, todas las líneas se eligen, cumplan lo que cumplan. Cuando una línea cumple el segundo patrón (contiene 10:22:), se elige también esa y después se apaga.
Mira bien el final de la salida: la última línea es la 11. Pero en el log hay tres peticiones a las 10:22 (las líneas 11, 12 y 13). El rango se ha cerrado en la primera.
¿Por qué? · En PHP no existe
¿Por qué el rango se cierra en la primera línea que cumple el final?
Porque awk lee hacia delante y no sabe qué viene después. Al llegar a la línea 11 ve que cumple el patrón de final y apaga el interruptor. No puede saber que la 12 también es de las 10:22: todavía no la ha leído.
En PHP esto lo harías con una variable $dentro que enciendes y apagas a mano dentro del foreach, y tendrías exactamente el mismo problema. awk te ahorra la variable, no el pensar dónde acaba el tramo.
La solución es elegir como final algo que ya no quieras… o no usar un rango. Para «todo lo de las 10:16 a las 10:22, completo» hace falta comparar la hora, y sacar la hora de dentro del campo 4 es cosa del módulo 06.
Los dos patrones pueden ser cualquier cosa que ya sabes escribir: una comparación, una regex, un número de línea con NR. De la línea 5 a la 8:
awkprograma.awk
# En PHP: if ($numero_de_linea >= 5 && $numero_de_linea <= 8) { ... }NR == 5, NR == 8 { printNR, $1, $7 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Y un rango puede abrirse más de una vez. Este va «desde un 404 hasta el siguiente 200», es decir, desde que alguien empieza a pedir páginas que no existen hasta que vuelve una visita normal:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Salen dos tramos: de la línea 5 a la 7 y de la 18 a la 20. Después de apagarse, el interruptor vuelve a esperar al primer patrón.
Caso
Qué hace el rango
Una línea cumple el inicio
Se abre: esa línea y las siguientes se eligen
Una línea cumple el final
Se elige también esa y se cierra
La misma línea cumple inicio y final
Se elige solo esa línea
El final no llega nunca
Sigue abierto hasta la última línea del fichero
El inicio vuelve a cumplirse más tarde
Se abre otra vez
5 · next y exit: saltar una línea, dejar de leer
Cuando un programa tiene varias reglas, awk prueba todas en cada línea, de arriba abajo. next corta eso: dice «con esta línea he terminado, tráeme la siguiente». Las reglas que haya debajo ya no se miran para esa línea. Es el continue de tu foreach.
Sirve para quitarse de encima lo que no interesa una sola vez, arriba, en lugar de repetir la condición en cada regla. Aquí se descartan los robots y curl, y todo lo de debajo ya solo ve visitas de personas:
awkprograma.awk
# En PHP: if (preg_match('/Googlebot|curl/', $linea)) { continue; }/Googlebot|curl/ { next }
# En PHP: echo $ip, " ", $url, PHP_EOL; $personas++;
{ print$1, $7; personas++ }
# En PHP: echo "Visitas de personas: ", $personas, PHP_EOL;END { print"Visitas de personas:", personas }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
exit va más lejos: deja de leer el fichero entero. Es como cerrar el libro en cuanto encuentras la frase que buscabas. Este programa busca el primer error de servidor y no sigue leyendo:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Dos cosas en la salida. NR se ha quedado en 19: la línea 20 no se ha leído. Y el ENDsí se ha ejecutado. exit en una regla normal no apaga el programa de golpe: salta al END, igual que un break en PHP sale del bucle y sigue por lo de debajo.
Quieres
PHP (dentro del foreach)
awk
Pasar a la línea siguiente
continue;
next
Dejar de leer, pero hacer lo del final
break;
exit
Las 5 primeras líneas (como head -5)
if ($n > 5) break;
NR > 5 { exit } { print }
La pregunta que te vas a hacer
¿Y si miro el log en directo con tail -f? ¿Cuándo llega el END?
No llega. tail -f deja el fichero abierto y va soltando las líneas nuevas según entran visitas, así que para awk el fichero no se acaba nunca. Las reglas normales se ejecutan en cada línea que llega, pero END se queda esperando hasta que cortas con Ctrl+C, y entonces ya no se ejecuta.
awkprograma.awkSolo lectura: necesita la terminal
# las reglas normales funcionan en directo; un END aqui no llegaria a ejecutarse
tail -f /var/log/nginx/access.log | awk '$9 >= 500 { print$1, $7 }'
Por eso en directo se imprime en cada línea, y los totales con END se dejan para ficheros que ya están cerrados (el log de ayer). Y con un log de 2 GB, exit es tu amigo: si solo quieres saber si hubo algún error 500, sal en cuanto veas el primero y no leas el resto.
El programa imprime la IP y la página de los 404. Añádele dos cosas: antes del listado, una cabecera con el texto IP PAGINA; y al final, una línea con el total de peticiones del log, con este formato exacto: Total de peticiones: 20. Las dos salen una sola vez. En PHP son el echo de antes del foreach y el echo con count($lineas) de después.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Son dos reglas nuevas: BEGIN { print … } y END { print … }. El total de líneas no hay que contarlo: en END, NR ya lo tiene. Con una coma, print pone el espacio.
Reto 2 de 4 · ✓ Resuelto
¿Cuántos 404?
El programa quiere decir cuántas peticiones dieron un 404, pero imprime una línea por cada una (Errores 404: 1, Errores 404: 2…). Haz que imprima una sola línea, al final, con el total: para el log que ves, Errores 404: 3. En PHP: el $errores++ dentro del if y el echo fuera del foreach.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Sumar e imprimir son dos momentos distintos. Deja el errores++ en la regla del 404 y lleva el print a una regla END.
Reto 3 de 4 · ✓ Resuelto
Solo personas
Imprime la IP y la página de las visitas de personas y, al final, cuántas son: Visitas de personas: 11. No son personas las líneas que contienen Googlebot, curl o python-requests: sáltalas con next en una regla que vaya arriba del todo. El programa de partida las imprime y las cuenta todas. En PHP: if (preg_match('/Googlebot|curl|python-requests/', $linea)) { continue; }.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Añade una primera regla: una regex con las tres palabras separadas por | y, como acción, solo { next }. Las líneas que la cumplan no llegan a la regla que imprime y cuenta.
Reto 4 de 4 · ✓ Resuelto
Los tramos de escaneo
El programa imprime solo las líneas con un 404. Conviértelo en un rango que vaya desde un 404 hasta el siguiente 200, los dos incluidos: así ves también qué pasó justo después. De cada línea del tramo imprime el número de línea, la IP, el estado y la página (5 198.51.100.4 404 /wp-login.php). Y al final, cuántas líneas has impreso: Lineas en tramos: 6. En PHP sería una variable $dentro que pones a true con un 404 y a false después de un 200.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Un rango son dos patrones separados por una coma: inicio, fin { … }. Para el total, suma 1 a un contador en esa misma acción (después de un ;) e imprímelo en END.
Resumen
Lo que te llevas de esta lección
BEGIN { … } va antes de leer: cabecera y FS. Es lo que escribes encima del foreach en PHP. Ahí NR vale 0 y no hay campos.
END { … } va al acabar: totales. Es lo de debajo del foreach. Ahí NR es el total de líneas, tu count($lineas).
Contar: patrón { errores++ } y END { print errores }. Como $errores++ dentro del if y el echo fuera del bucle, pero sin dólar y sin ponerla a cero.
inicio, fin { … } elige un tramo: se abre con el primer patrón y se cierra en la primera línea que cumple el segundo, incluida. En PHP sería una variable $dentro que enciendes y apagas.
next = continue: deja esa línea y no mira las reglas de debajo. Los filtros con next, arriba del todo.
exit = break: deja de leer el fichero y salta al END.
Para recordarlo: «Pitido inicial, partido, pitido final»
BBEGIN antes: cabecera, FS
RReglas en cada línea
EEND al acabar: totales
BEGIN es el pitido inicial (una vez, antes de la primera línea), las reglas normales son el partido (una vez por línea) y END es el pitido final (una vez, con el marcador: los totales). Y el rango es un interruptor: el primer patrón enciende, el segundo apaga.