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.

Lección 7 de 31 · Campos y separadores ✦ WebMCP implementado

NR, NF y OFS: contar líneas y pegar campos

9 min de lectura 4 retos

Ya sabes decidir por dónde corta awk al leer. Ahora toca lo contrario: con qué pega al escribir. Por el camino conocerás dos contadores que awk lleva por ti (por qué línea va y cuántos campos tiene) y convertirás el log en un CSV con dos líneas de programa.

¿De dónde vienen los nombres?

NR = Number of Records (número de registros)
El número de la línea que awk está leyendo. Un registro es cada cosa que awk lee de una vez; mientras nadie diga lo contrario, un registro es una línea. En PHP es tu contador $numero_de_linea++.
NF = Number of Fields (número de campos)
Cuántos campos tiene la línea actual. Ya lo conoces del módulo 01: es el count($campos) de PHP.
OFS = Output Field Separator (separador de campos de salida)
Lo que print pone entre dos campos cuando los separas con coma. De fábrica es un espacio. Es el primer argumento de implode(";", $campos).
ORS = Output Record Separator (separador de registros de salida)
Lo que print pone al final de cada cosa que imprime. De fábrica es un salto de línea: tu PHP_EOL.
En 4 ideas
1/4

NR es el número de la línea que awk está leyendo. En PHP es el contador que incrementas a mano dentro del foreach; aquí ya viene hecho y empieza en 1.

1 · NR: por qué línea voy

Cuando alguien te dice «mira la línea 18 del log», necesitas saber cuál es la 18. awk lleva esa cuenta él solo, en una variable que se llama NR. Vale 1 mientras lee la primera línea, 2 en la segunda, y así hasta el final.

PHP 8.5numeradas.php
<?php
$lineas = file("access.log", FILE_IGNORE_NEW_LINES);
foreach ($lineas as $indice => $linea) {
    $campos = preg_split('/\s+/', trim($linea));
    // el índice de PHP empieza en 0: hay que sumarle 1
    echo $indice + 1, " ", $campos[6], PHP_EOL;
}
awkprograma.awk
# En PHP: echo $indice + 1, " ", $campos[6], PHP_EOL;
{ print NR, $7 }
$ awk -f programa.awk 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. 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: 2,33 s · gawk: 669 ms · mawk: 619 ms. awk tarda 3,8 veces menos que PHP.

NR se escribe sin $: es una variable de awk, no un campo. Ojo con esto, porque $NR también existe y es otra cosa: «el campo número NR». En la línea 7 sería el campo 7; en la 20, el campo 20. Casi nunca es lo que quieres.

Como NR es un número, lo puedes usar de patrón, igual que usabas $9 == 404. Ya lo hiciste con NR > 1 para saltar la cabecera de un CSV. Con == te quedas con una línea concreta:

awkprograma.awk
# En PHP: if ($indice + 1 == 18) { echo $linea, PHP_EOL; }
NR == 18
$ awk -f programa.awk 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. 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.

2 · NF: el control de calidad

Piensa en el log como una hoja de cálculo. NR cuenta hacia abajo (en qué fila estás) y NF cuenta hacia la derecha (cuántas columnas tiene esa fila). NF ya lo conoces del módulo 01; ahora le vas a dar un trabajo nuevo.

Los logs de verdad no son perfectos. Si el disco se llena o el servidor se reinicia justo cuando estaba escribiendo, queda una línea a medias. Imagina este log de tres líneas en el que la segunda se cortó:

203.0.113.7 - - [19/Nov/2026:10:15:32 +0100] "GET / HTTP/1.1" 200 5123 "-" "Mozilla/5.0 (X11; Linux x86_64; rv:131.0) Gecko/20100101 Firefox/131.0"
198.51.100.4 - - [19/Nov/2026:10:15:40 +0100] "POST /cont
192.0.2.55 - - [19/Nov/2026:10:16:02 +0100] "GET /bodega/ropa HTTP/1.1" 200 9120 "https://www.google.com/" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36"

En la línea 2 no hay estado ni bytes. Si tu programa imprime $9, para esa línea sale vacío y nadie avisa. Una línea sana del log tiene, como poco, 12 campos (lo viste en la lección anterior). Así que basta con preguntar por NF:

awkprograma.awkSolo lectura: el log del curso no tiene líneas rotas
# En PHP: if (count($campos) < 10) { echo "linea $numero rota", PHP_EOL; }
NF < 10 { print "linea " NR " rota: solo tiene " NF " campos" }
$ awk -f programa.awk roto.log
linea 2 rota: solo tiene 7 campos

NR te dice dónde está el problema y NF cuál es. El < es el «menor que» de PHP; las comparaciones se ven a fondo en el módulo 03.

El access.log del curso está sano, pero error.log (los errores de PHP) es un buen sitio para practicar: tiene líneas largas, líneas cortas y líneas en blanco que separan un error del siguiente. Una línea en blanco no tiene ningún campo, así que su NF vale 0:

awkprograma.awk
# En PHP: if (trim($linea) == "") { echo "linea ", $numero, " en blanco", PHP_EOL; }
NF == 0 { print "linea " NR " en blanco" }
$ awk -f programa.awk error.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. error.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.

¿Por qué? · En PHP no existe

¿Por qué hay que vigilar NF, si en PHP nunca cuento los campos?

Porque en PHP te avisa el propio lenguaje. Si una línea tiene 7 trozos y pides $campos[8], salta un Warning: Undefined array key 8 y te enteras de que esa línea está mal.

En awk, un campo que no existe vale texto vacío y el programa sigue tan tranquilo. Para un log con alguna línea rara eso es cómodo (no se para por una línea mala entre un millón). Pero el precio es que el aviso lo pones tú. NF es ese aviso: una comprobación de una línea que te dice si te puedes fiar del resto.

3 · OFS: con qué se pega al imprimir

Desde la primera lección sabes que la coma de print $1, $9 pone un espacio entre los dos campos. Ese espacio no está grabado en piedra: es el valor de fábrica de una variable, OFS. Si la cambias, cambia lo que pone la coma.

PHP 8.5a-csv.php
<?php
foreach (file("access.log", FILE_IGNORE_NEW_LINES) as $linea) {
    $campos = preg_split('/\s+/', trim($linea));
    // pegar los tres datos con un punto y coma
    echo implode(";", [$campos[0], $campos[8], $campos[9]]), PHP_EOL;
}
awkprograma.awk
# En PHP: $pegamento = ";";
BEGIN { OFS = ";" }
# En PHP: echo implode(";", [$campos[0], $campos[8], $campos[9]]), PHP_EOL;
{ print $1, $9, $10 }
$ awk -f programa.awk 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. 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: 1,97 s · gawk: 709 ms · mawk: 569 ms. awk tarda 3,5 veces menos que PHP.

OFS se pone en BEGIN, como FS: se prepara una vez, antes de empezar. Son dos variables distintas con dos trabajos distintos. FS es el cuchillo: por dónde se corta al leer. OFS es el pegamento: con qué se une al escribir.

VariableCuándo actúaDe fábricaEn PHP
FSal leer: corta la línea en camposespacios y tabuladoresexplode(";", $linea)
OFSal escribir: lo que pone cada coma de printun espacioimplode(";", $campos)
ORSal escribir: lo que pone print al finalun salto de líneaPHP_EOL

La tercera variable de la tabla, ORS, es el final de cada print. Casi nunca se toca, pero conviene saber que está ahí. Aquí cada visita acaba en una raya en vez de en un simple salto de línea:

awkprograma.awk
# En PHP: $final = "\n---\n";
BEGIN { ORS = "\n---\n" }
# En PHP: echo $campos[0], " ", $campos[6], $final;
{ print $1, $7 }
$ awk -f programa.awk 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. 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.

¿Por qué? · En PHP no existe

¿Por qué dos separadores? ¿No bastaba con FS para todo?

Porque lo más habitual con awk es cambiar de formato: leer algo separado de una manera y escribirlo separado de otra. Leer el log (espacios) y sacar un CSV (punto y coma). Si hubiera un solo separador, no podrías.

En PHP ya trabajas así sin darte cuenta: explode(" ", …) para leer e implode(";", …) para escribir son dos llamadas con dos separadores. awk hace las dos llamadas por ti, así que necesita que le digas los dos separadores en algún sitio: FS y OFS.

4 · Tocar un campo rehace la línea

A los campos también se les puede dar valor. La IP de un visitante es un dato personal; si vas a pasarle el log a alguien, puede que quieras taparla. Se cambia el campo 1 y se imprime la línea:

awkprograma.awk
# En PHP: $campos[0] = "0.0.0.0"; echo implode(" ", $campos), PHP_EOL;
{ $1 = "0.0.0.0"; print }
$ awk -f programa.awk 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. 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.

Fíjate en lo que acaba de pasar: has cambiado $1 y print (que imprime $0, la línea entera) ya sale con la IP tapada. En PHP, cambiar $campos[0] no toca $linea: son dos variables sueltas, y te tocaría hacer el implode a mano. En awk, la línea y sus campos están atados.

Ahora la trampa. Quieres la línea entera, pero separada por punto y coma. Pones OFS y un print:

awkprograma.awk
BEGIN { OFS = ";" }
# En PHP: echo $linea, PHP_EOL;
NR == 1 { print }
$ awk -f programa.awk 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. 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.

Ni un solo punto y coma. La línea sale tal cual estaba en el fichero. Y ahora mira qué pasa si, antes de imprimir, le «cambias» el campo 1 por… el campo 1:

awkprograma.awk
BEGIN { OFS = ";" }
# En PHP: $linea = implode(";", $campos); echo $linea, PHP_EOL;
NR == 1 { $1 = $1; print }
$ awk -f programa.awk 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. 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.

¿Por qué? · En PHP no existe

¿Por qué $1 = $1 cambia la línea, si no cambia nada?

Porque awk es vago, en el buen sentido. Al leer una línea guarda el texto original en $0 y no lo toca mientras no haga falta. print a secas imprime ese texto original: ahí no hay ninguna coma, así que OFS no pinta nada.

En el momento en que le das valor a cualquier campo, awk piensa: «la línea ya no es la que leí; hay que rehacerla». Y la rehace pegando todos los campos con OFS. Es como si hiciera $linea = implode(OFS, $campos) por ti.

$1 = $1 es el truco para provocar esa reconstrucción sin cambiar ningún dato: le das al campo 1 el valor que ya tenía. A awk le da igual que el valor sea el mismo; lo has tocado, así que rehace la línea. Es un gesto tan típico de awk que lo verás en programas de todo el mundo.

¿Qué fallo trae? Que es fácil olvidarlo. Cambias OFS, imprimes la línea y el programa «no hace nada», sin ningún error. Si te pasa, pregúntate: ¿he tocado algún campo?

5 · Del log a un CSV

Con todo lo anterior, convertir el log en un CSV que se abra en una hoja de cálculo son dos líneas. BEGIN se ejecuta antes de leer nada, así que es el sitio perfecto para preparar OFS y, de paso, imprimir la cabecera del CSV, que solo debe salir una vez:

awkprograma.awk
# En PHP: echo implode(";", ["ip", "url", "estado", "bytes"]), PHP_EOL;
BEGIN { OFS = ";"; print "ip", "url", "estado", "bytes" }
# En PHP: echo implode(";", [$campos[0], $campos[6], $campos[8], $campos[9]]), PHP_EOL;
{ print $1, $7, $9, $10 }
$ awk -f programa.awk 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. 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.

Fíjate en que la cabecera también usa comas: print "ip", "url" pone un OFS entre los dos textos. Por eso OFS va antes del print dentro del BEGIN; al revés, la cabecera saldría separada por espacios.

Y vale para cualquier fichero, no solo para el log. Para cambiarle el separador a usuarios.csv (aquí, de punto y coma a una barra entre espacios) se lee con un separador, se escribe con otro y se toca un campo para que la línea se rehaga:

awkprograma.awk
# En PHP: $campos = explode(";", $linea);
BEGIN { FS = ";"; OFS = " / " }
# En PHP: echo implode(" / ", $campos), PHP_EOL;
{ $1 = $1; print }
$ awk -f programa.awk usuarios.csv
¿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. 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.

La pregunta que te vas a hacer

¿Y cómo guardo ese CSV en un fichero para abrirlo con Excel?

En el navegador solo ves la salida en pantalla. En tu servidor, la terminal sabe mandar esa salida a un fichero con el símbolo > seguido del nombre. No es cosa de awk: funciona con cualquier comando.

$ awk -f programa.awk access.log > visitas.csv
$ head -3 visitas.csv
ip;url;estado;bytes
203.0.113.7;/;200;5123
203.0.113.7;/css/app.css;200;18230

head -3 enseña las tres primeras líneas de un fichero. Luego te bajas visitas.csv y lo abres con Excel o LibreOffice. awk también puede escribir en ficheros él solo, sin ayuda de la terminal; eso se ve en el módulo 07.

Una advertencia honrada: esto es un CSV «de andar por casa». Si una URL llevara un punto y coma dentro, esa fila tendría una columna de más. fputcsv de PHP lo resuelve envolviendo el dato entre comillas; awk no lo hace solo. Para echar un vistazo rápido al log sobra; para un fichero que va a leer otro programa, compruébalo antes.

Hora de practicar

Retos · 0/4 resueltos

Reto 1 de 4

Páginas numeradas

Imprime la página que pidió cada visita (campo 7) con su número de línea delante, seguido de dos puntos y un espacio: 1: /, 2: /css/app.css… En PHP sería echo $indice + 1, ": ", $campos[6], PHP_EOL;.

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?
  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. 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.

Resumen

Lo que te llevas de esta lección

  1. NR es el número de la línea actual, empezando en 1: tu $indice + 1 del foreach. NR == 18 se queda con la línea 18 y NR > 1 salta la cabecera.
  2. NF es cuántos campos tiene la línea: tu count($campos). NF < 10 caza las líneas rotas del log, porque awk no avisa de un campo que no existe y PHP sí.
  3. OFS es lo que pone cada coma de print: el pegamento de implode(";", $campos). Se prepara en BEGIN { OFS = ";" }.
  4. ORS es lo que print pone al final: de fábrica un salto de línea, tu PHP_EOL.
  5. Dar valor a un campo rehace $0 con OFS. Un print a secas de una línea sin tocar sale como se leyó. En PHP tendrías que repetir el implode tú.
  6. $1 = $1 fuerza esa reconstrucción sin cambiar ningún dato: es la forma de cambiar el separador de la línea entera.

Para recordarlo: «FS corta, OFS pega; y si no tocas, no pega»

Al leer manda FS (el cuchillo) y al escribir manda OFS (el pegamento). El pegamento solo sale donde hay una coma o cuando has tocado un campo: si print te devuelve la línea igual que estaba, te falta un $1 = $1. Y los dos contadores, como en una hoja de cálculo: NR baja por las filas, NF cruza por las columnas.

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.