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 9 de 31 · Patrones y regex ✦ WebMCP implementado

Regex en awk: ~ y !~ frente a preg_match

10 min de lectura 5 retos

Con == preguntas si un campo es algo. Con una expresión regular preguntas si contiene algo, o si tiene una forma: «empieza por /bodega», «acaba en .png», «lleva la palabra bot». En PHP eso es preg_match(). En awk va dentro del propio lenguaje y se escribe más corto: en esta lección cazas bots, escaneos y ficheros estáticos en el log.

¿De dónde vienen los nombres?

regex = regular expression (expresión regular)
Un texto que describe la forma de otros textos: «tres cifras», «algo que acaba en .php». Es la misma idea que en preg_match(); cambia un poco la forma de escribirla.
~ = la tilde o virgulilla; se lee «casa con» (en inglés matches)
$7 ~ /login/ se lee «el campo 7 casa con login». El símbolo recuerda al «parecido a» de las matemáticas: no pregunta si es igual, pregunta si se parece.
!~ = no + tilde; se lee «no casa con»
Lo contrario de ~, igual que != es lo contrario de ==.
[[:alpha:]] = inglés alphabetic (alfabético)
Cualquier letra. Sus hermanos: [[:digit:]] (digit, cifra), [[:alnum:]] (alphanumeric, letra o cifra) y [[:space:]] (space, espacio).
IGNORECASE = inglés ignore case (ignorar la caja)
Case es la «caja» de las imprentas: mayúsculas en la caja alta, minúsculas en la baja. Ignorarla es no distinguir mayúsculas de minúsculas. Solo gawk.
En 4 ideas
1/4

Una regex entre barras, sola, es un patrón: /curl/ imprime las líneas que contienen «curl». Es tu if (preg_match('/curl/', $linea)).

1 · Una regex sola: buscar en toda la línea

En tu log hay visitas que no son personas. Las que hace curl (un programa para pedir páginas desde la terminal) llevan esa palabra al final de la línea, en el navegador. No puedes buscarlas con ==, porque el campo no es «curl»: lo contiene. Para eso están las expresiones regulares. La más simple es una palabra entre barras:

PHP 8.5visitas-curl.php
<?php
$lineas = file("access.log", FILE_IGNORE_NEW_LINES);
foreach ($lineas as $linea) {
    // ¿la línea contiene «curl»?
    if (preg_match('/curl/', $linea)) {
        $campos = preg_split('/\s+/', trim($linea));
        echo $campos[0], " ", $campos[6], PHP_EOL;
    }
}
awkprograma.awk
# En PHP: if (preg_match('/curl/', $linea)) { ... }
/curl/ { 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.

Medido en el servidor del curso con access.log multiplicado hasta 1.000.000 líneas: PHP 8.5: 1,00 s · gawk: 570 ms · mawk: 269 ms. awk tarda 3,7 veces menos que PHP.

Una regex sola, sin nada delante, se compara con la línea entera ($0). Y es un patrón como cualquier otro: si no le pones acción, imprime la línea, y le puedes poner un ! delante para darle la vuelta. Esto saca las visitas cuyo navegador no dice «Mozilla», que es lo que dicen todos los navegadores de verdad:

awkprograma.awk
# En PHP: if (!preg_match('/Mozilla/', $linea)) { ... }
!/Mozilla/ { 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.

2 · La tilde ~: buscar en un solo campo

Buscar en toda la línea tiene un problema: encuentra el texto donde no lo esperas. Vamos a sacar las páginas de la bodega que se han visitado:

awkprograma.awk
# En PHP: if (preg_match('/bodega/', $linea)) { echo $url, PHP_EOL; }
/bodega/ { print $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.

Se han colado /img/logo.png y /api/ventas, que no son páginas de la bodega. ¿Por qué? Abre la pestaña access.log y mira esas dos líneas: la palabra «bodega» está en el referer, la página desde la que venía el visitante. La regex sola la ha encontrado ahí.

Para buscar solo en la página (el campo 7) se usa el operador tilde, ~. Se lee «casa con»:

awkprograma.awk
# En PHP: if (preg_match('/bodega/', $url)) { echo $url, PHP_EOL; }
$7 ~ /bodega/ { print $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.

Ahora sí. Y con !~ preguntas lo contrario, «no casa con». Las tres formas, juntas:

QuieresPHPawk
Buscar en toda la líneapreg_match('/bot/', $linea)/bot/
Buscar en un campopreg_match('/bot/', $url)$7 ~ /bot/
Que un campo no lo tenga!preg_match('/bot/', $url)$7 !~ /bot/

¿Por qué? · En PHP no existe

¿Por qué un operador ~ y no una función como preg_match()?

En PHP las expresiones regulares llegaron como una librería: por eso son funciones y la regex viaja dentro de un texto, '/bot/'. En awk forman parte del lenguaje desde el primer día, porque awk se hizo justo para esto: buscar líneas con cierta forma. Una regex se escribe tal cual, como un número, y ~ es un operador más, como ==.

¿Qué fallos de PHP evita? Dos muy típicos. Uno: equivocarse en el orden de los argumentos, preg_match($url, '/bot/'). Con $7 ~ /bot/ el dato va a la izquierda y la regex a la derecha, como en una comparación. Dos: que preg_match() devuelve 1, 0 o false si la regex está mal escrita, y un if no distingue el 0 del false. En awk una regex mal escrita no deja ni arrancar el programa.

La regex sola es un atajo: /bot/ es lo mismo que escribir $0 ~ /bot/.

3 · Lo que cambia respecto a preg_match

Las regex de awk son más antiguas y más sencillas que las de PHP. Casi todo lo que sabes te vale, pero hay tres diferencias que te van a morder el primer día:

En PHP (preg_match)En awkQué hacer
Eliges el delimitador: '/…/', '#…#', '~…~'Siempre barras: /…/Una barra dentro de la regex se escapa: \/
Modificadores detrás: '/bot/i'No hay modificadoresPara las mayúsculas, tolower() (última sección)
\d (cifra), \w (letra, cifra o _), \s (espacio)No funcionan en todos los awk[0-9], [[:alnum:]_], [[:space:]]

La primera se nota enseguida, porque las páginas de una web están llenas de barras. Para pedir «las páginas que empiezan por /bodega/ y después solo tienen letras minúsculas» hay que escapar las dos barras de la URL:

awkprograma.awk
# En PHP: if (preg_match('#^/bodega/[a-z]+$#', $url)) { echo $url, PHP_EOL; }
$7 ~ /^\/bodega\/[a-z]+$/ { print $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.

La tercera es la peligrosa, porque no da error. Si escribes \d por costumbre, esto es lo que pasa en gawk al buscar «una cifra» en la página:

awkprograma.awkSolo lectura: así NO se hace
# En PHP: if (preg_match('/\d/', $url)) { echo $url, PHP_EOL; }
$7 ~ /\d/ { print $7 }
$ awk -f programa.awk access.log
gawk: programa.awk:2: warning: regexp escape sequence `\d' is not a known regexp operator
/descuento/precio.pdf
/phpmyadmin/

gawk avisa de que no conoce \d y sigue adelante buscando… una letra d. Por eso salen /descuento/precio.pdf y /phpmyadmin/, que no tienen ninguna cifra. Otros awk ni siquiera avisan. Lo que funciona en todas partes son los corchetes:

QuieresPHPawk (en cualquiera)
Una cifra\d[0-9] o [[:digit:]]
Una letra[a-zA-Z][a-zA-Z] o [[:alpha:]]
Letra o cifra[a-zA-Z0-9][[:alnum:]]
Letra, cifra o guion bajo\w[[:alnum:]_]
Un espacio o tabulador\s[[:space:]]

¿Por qué? · En PHP no existe

¿Por qué awk no tiene \d si lo tiene todo el mundo?

Porque awk llegó antes. \d y \w los inventó el lenguaje Perl en 1987, y de ahí los copió PHP: la P de PCRE (la librería de preg_match) es de Perl. awk es de 1977 y usa las regex del estándar POSIX, que agrupan los caracteres con nombres entre corchetes.

gawk añadió después \w y \s por su cuenta (Solo gawk; \d ni eso), pero el mawk de Debian y Ubuntu y el awk de macOS no los tienen. Un programa con [0-9] funciona igual en tu portátil y en el servidor. Uno con \w puede funcionar en uno y callarse en el otro, sin ningún aviso.

4 · Las piezas: anclas, punto y repeticiones

El resto de piezas son las de PHP, con el mismo significado. Míralas como piezas de un juego de construcción: cada una hace una cosa pequeña y se encajan una detrás de otra.

PiezaSignificaEjemploCasa con
^Aquí empieza el texto$7 ~ /^\/blog/páginas que empiezan por /blog
$Aquí acaba el texto$7 ~ /\.png$/páginas que acaban en .png
.Un carácter cualquiera/l.g/log, lag, l-g…
\.Un punto de verdad/\.env/solo .env
a|bUna cosa o la otra/curl|bot/curl o bot
( )Agrupar/\.(css|png)$/acaba en .css o en .png
+Uno o más del anterior/[0-9]+/7, 130, 2026
*Cero o más del anterior/ab*/a, ab, abbb
?El anterior, o nada/https?/http y https
{n,m}Entre n y m del anterior/[0-9]{5,7}/de 5 a 7 cifras seguidas

Las anclas (^ y $) son las que más errores evitan. Sin ellas, la regex busca en cualquier parte del campo. Los ficheros estáticos de tu web (hojas de estilo, imágenes, PDF) son las páginas que acaban en una extensión:

awkprograma.awk
# En PHP: if (preg_match('/\.(css|png|pdf)$/', $url)) { echo $url, PHP_EOL; }
$7 ~ /\.(css|png|pdf)$/ { print $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.

Léela pieza a pieza: un punto de verdad (\.), después css o png o pdf, y ahí se acaba el texto ($). Con ^ haces lo mismo por el principio. Las IP de la red 192.0.2.x son las que empiezan por esas tres cifras:

awkprograma.awk
# En PHP: if (preg_match('/^192\.0\.2\./', $ip)) { echo $ip, " ", $url, PHP_EOL; }
$1 ~ /^192\.0\.2\./ { 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.

Las regex también valen para los números, porque para una regex todo es texto. Los estados de error son los que empiezan por 4 o por 5 y llevan dos cifras más:

awkprograma.awk
# En PHP: if (preg_match('/^[45][0-9][0-9]$/', $estado)) { ... }
$9 ~ /^[45][0-9][0-9]$/ { print $9, $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.

Da lo mismo que el $9 >= 400 de la lección anterior. Para números, la comparación es más clara; la regex gana cuando lo que importa es la forma y no la cantidad.

5 · Escaneos, bots y regex guardadas en un texto

Toda web recibe a diario visitas de programas que prueban direcciones conocidas a ver si hay suerte: el acceso de WordPress, el fichero .env con las contraseñas, el phpMyAdmin. Se llama escanear, y es como el que va por la calle probando el tirador de todos los coches. Con la alternancia (|) los cazas a todos de una vez:

awkprograma.awk
# En PHP: if (preg_match('/wp-login|\.env|phpmyadmin/', $url)) { echo $ip, " ", $url, PHP_EOL; }
$7 ~ /wp-login|\.env|phpmyadmin/ { 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.

Las tres vienen de la misma IP: ya sabes a quién bloquear. Fíjate en el \.env: sin la barra, el punto sería «cualquier carácter» y también casaría con /xenv.

La regex no tiene por qué estar escrita a mano entre barras. A la derecha de ~ puedes poner un texto (o una variable que lo guarde), y awk lo usa como regex. Se llama regex dinámica, y es lo más parecido al preg_match($patron, $url) de PHP. Sirve para tener la lista de rutas sospechosas en un solo sitio, arriba del programa:

awkprograma.awk
# En PHP: $patron = '/wp-login|\.env|phpmyadmin/';
BEGIN { patron = "wp-login|\\.env|phpmyadmin" }
# En PHP: if (preg_match($patron, $url)) { echo $ip, " ", $url, PHP_EOL; }
$7 ~ patron { 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.

Dos detalles. El texto va sin las barras de los extremos: las barras son la forma de escribir una regex a mano, no parte de ella. Y la barra de escapar se pone doble, \\.: dentro de unas comillas, awk se come una barra al leer el texto (como PHP entre comillas dobles), y la otra es la que llega a la regex.

La pregunta que te vas a hacer

En PHP, preg_match() me daba las capturas en $m[1]. ¿Y aquí?

El operador ~ solo responde sí o no: sirve para elegir líneas, que es lo que hace un patrón. Para sacar el trozo que ha casado (la versión del navegador, la extensión del fichero) awk tiene la función match(). Es del módulo 06, en la lección «match: sacar el navegador del user agent».

Tampoco hay regex101 para awk: las regex de awk son las «POSIX extendidas», las mismas que usa grep -E. Lo más rápido para probar una es el playground de este curso. Para consultar:

6 · Mayúsculas y minúsculas

Las regex distinguen mayúsculas de minúsculas. El robot de Google se presenta como Googlebot, con la G grande. Si lo buscas con /googlebot/, en minúsculas, no sale ninguna línea. En PHP lo arreglas con el modificador i: '/googlebot/i'. En awk no hay modificadores, pero hay dos caminos.

El que funciona en cualquier awk: pasar la línea a minúsculas con tolower() (de to lower, «a minúsculas»; es el strtolower() de PHP) y buscar en minúsculas. La línea original no cambia: tolower($0) es una copia.

awkprograma.awk
# En PHP: if (preg_match('/googlebot/', strtolower($linea))) { ... }
tolower($0) ~ /googlebot/ { 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.

El otro camino es Solo gawk: la variable IGNORECASE. Si le das un valor distinto de cero, todas las regex del programa dejan de distinguir mayúsculas. Es el modificador i de PHP, pero para todo el programa a la vez:

awkprograma.awk
# En PHP: if (preg_match('/googlebot/i', $linea)) { ... }
BEGIN { IGNORECASE = 1 }
/googlebot/ { 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.

Hora de practicar

Retos · 0/5 resueltos

Reto 1 de 5

Las visitas con Firefox

El programa imprime la IP y la página de todas las visitas. Déjalo solo con las líneas que contienen la palabra Firefox (está en el navegador, al final de la línea). La primera línea de la salida es 203.0.113.7 /. En PHP sería if (preg_match('/Firefox/', $linea)).

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. /curl/ sola busca en toda la línea: es preg_match('/curl/', $linea). Sin acción, imprime la línea.
  2. $7 ~ /regex/ busca en un campo y $7 !~ /regex/ pide que no esté: preg_match('/regex/', $url) y !preg_match(…).
  3. Siempre barras, sin elegir delimitador y sin modificadores. Una barra dentro se escapa: /^\/bodega/. En PHP habrías escrito '#^/bodega#'.
  4. Nada de \d ni \w: [0-9], [[:alpha:]], [[:alnum:]_]. gawk avisa y busca una letra d; otros awk ni avisan.
  5. ^ empieza, $ acaba, | es «o», \. es un punto de verdad: $7 ~ /\.(css|png|pdf)$/. Igual que en PHP.
  6. Mayúsculas: tolower($0) ~ /googlebot/ en cualquier awk (tu strtolower()); IGNORECASE = 1 es Solo gawk (tu /i).

Para recordarlo: «Sola, toda la línea; con tilde, solo el campo»

Si la regex va sola (/bot/), awk mira la línea entera. Si lleva un campo y una tilde delante ($7 ~ /bot/), mira solo ahí. Y cuando la mano se te vaya a \d, acuérdate de que awk es más viejo que Perl: corchetes, [0-9].

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.