Examen del módulo 03 · Patrones y regex
Examen: Patrones y regex
Comparar campos como número o como texto, expresiones regulares con ~ y !~, BEGIN, END, rangos, next y exit. · 6 preguntas + 1 bug que arreglar · se aprueba con 4 de 6 y el bug arreglado.
1. Una línea del log tiene 153 en el campo de los bytes ($10). ¿Se cumple el patrón $10 > "9"?
Por qué. Una constante entre comillas es un texto, y si uno de los dos lados es un texto awk compara como en un diccionario: «153» va antes que «9». En PHP "153" > "9" sí es verdadero, porque PHP convierte los textos que parecen números. En awk, los números del programa van sin comillas: $10 > 9.
2. ¿Qué imprime este programa con el access.log del curso? Tiene un 403, tres 404, tres 401 y un 500.
$9 >= 400 && $9 < 500 { errores++ } END { print errores }
Por qué. El && exige las dos condiciones: 400 o más y menos de 500. El 500 se queda fuera, así que cuenta 1 + 3 + 3 = 7. Y como el print está en END, sale una sola vez, al acabar: es el echo de debajo del foreach en PHP.
3. En el log hay una petición a /wp-login.php y tres a /login. ¿Cuántas líneas imprime este programa?
/login/ { print $7 }
Por qué. Una regex sola busca en cualquier parte de la línea, como preg_match('/login/', $linea): «wp-login.php» también contiene «login». Para quedarte con la página exacta, compara el campo ($7 == "/login") o ancla la regex por los dos lados: $7 ~ /^\/login$/.
4. En PHP escribirías preg_match('/^\d+$/', $bytes) para comprobar que un campo son solo cifras. ¿Cómo se escribe ese patrón en awk para que funcione en cualquier awk?
Por qué. awk no tiene \d: es un invento de Perl, de donde lo sacó PHP. gawk avisa y busca una letra «d»; otros awk ni avisan. Lo que funciona en todos es [0-9] (o [[:digit:]]). Y la regex va entre barras, sin comillas y sin elegir delimitador.
5. En el log hay tres peticiones seguidas a las 10:22 (líneas 11, 12 y 13). ¿Cuál es la última línea que elige este rango?
/10:16:/, /10:22:/ { print NR, $4, $7 }
Por qué. El rango es un interruptor: se cierra en la primera línea que cumple el segundo patrón, y esa línea sí se incluye. awk no puede saber que la 12 y la 13 también son de las 10:22 porque aún no las ha leído. Con una variable $dentro en un foreach de PHP te pasaría lo mismo.
6. El log tiene 20 líneas y la única con estado 500 es la 19. ¿Qué imprime este programa?
$9 == 500 { exit } END { print NR }
Por qué. exit en una regla normal deja de leer el fichero y salta al END: se parece al break de PHP, que sale del foreach y sigue por lo que haya debajo. NR se queda en la última línea leída, la 19.
Reto final · obligatorio
El examen solo se aprueba con 4 de 6 y este bug arreglado
7. Encuentra el bug · ✓ Arreglado
Este programa debería listar las respuestas ligeras del log: las que pesan menos de 1000 bytes (el campo 10), con su estado, sus bytes y su página, y al final decir cuántas son. Se ejecuta sin errores y saca un listado con su total… pero faltan casi todas: no salen, por ejemplo, las de 153 bytes. Encuentra el fallo y arréglalo.
$ 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.
¿Atascado? Repasa: Comparar campos › ¿Número o texto? La trampa de las comillas. El BEGIN, el contador y el END están bien. Mira el patrón de la regla del medio: ¿el 1000 es un número o un texto? En PHP "153" < "1000" es verdadero; en awk, con comillas, se compara letra a letra.
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.