Mis apuntes · Aprende awk desde PHP

Se guardan solos en este navegador mientras escribes. Puedes usar Markdown. Al descargarlos, la primera línea es tu enlace personal al curso.

← Volver al temario

Examen del módulo 07 · Varios ficheros y salida

Examen: Varios ficheros y salida

Leer dos ficheros y cruzarlos con FNR == NR, escribir y volver a leer ficheros con print >, close() y getline, y los registros de varias líneas con RS. · 6 preguntas + 1 bug que arreglar · se aprueba con 4 de 6 y el bug arreglado.

1. Ejecutas awk -f programa.awk ips-bloqueadas.txt access.log. La lista tiene 3 líneas. Cuando awk lee la primera línea del log, ¿cuánto valen NR y FNR?

2. Este programa se ejecuta con un solo fichero, access.log, que tiene 20 líneas. ¿Qué imprime?

awkprograma.awk
FNR == NR { cargadas++; next }
{ cruzadas++ }
END { print cargadas + 0, cruzadas + 0 }

3. En el patrón FNR == NR { bloqueada[$1] = $2; next }, ¿qué pasa si quitas el next?

4. El log tiene tres visitas con estado 404. ¿Qué imprime este programa?

awkprograma.awk
$9 == 404 { print $7 > "no-encontradas.log" }
END {
    while ((getline linea < "no-encontradas.log") == 1) {
        leidas++
    }
    print leidas + 0
}

5. ¿Por qué es peligroso un programa como { system("echo Visita a " $7) } sobre el log de tu web?

6. error.log tiene 5 errores de varias líneas, separados por una línea en blanco. Con este programa, ¿qué es $2?

awkprograma.awk
BEGIN { RS = ""; FS = "\n" }
{ print $2 }

Reto final · obligatorio

El examen solo se aprueba con 4 de 6 y este bug arreglado

7. Encuentra el bug

Este programa cruza la lista de IP bloqueadas con el log y debería decir en qué línea del log está cada visita de una IP bloqueada, para ir a buscarla. La primera es /consulta, que está en la línea 3 de access.log, así que debe salir linea 3: 198.51.100.4 /consulta (escaner). Se ejecuta sin errores y la salida tiene buena pinta… pero los números de línea no son los del log. Encuentra el fallo y arréglalo.

awkprograma.awk · editable
$ awk -f programa.awk ips-bloqueadas.txt access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -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.
  3. ips-bloqueadas.txt 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.

¿Atascado? Repasa: Dos ficheros a la vez: FNR == NR › FNR frente a NR: dos contadores. El programa lee dos ficheros. Abre la pestaña access.log, cuenta en qué línea está /consulta y compárala con la que imprime. La diferencia es justo el número de líneas de la lista. ¿Qué contador vuelve a empezar en cada fichero? En PHP sería confundir $total con $en_fichero.

El resultado se guarda en tu progreso.

Los programas se ejecutan con GNU awk 5.4.1 compilado a WebAssembly, software libre con licencia GPL-3.0. Código fuente: gawk en ftp.gnu.org · receta de compilación.