Lección 11 de 31 · Variables y control✦ WebMCP implementado
Variables sin $ y sin declarar: texto o número
9 min de lectura4 retos
Hasta ahora has filtrado e impreso líneas. Para sumar los bytes del día o sacar una media necesitas guardar datos de una línea para la siguiente: variables. En awk no llevan $, no se declaran y nacen vacías. Es muy cómodo, y tiene una trampa que PHP te avisa y awk no.
¿De dónde vienen los nombres?
int() = inglés integer (número entero)
Corta los decimales de un número: int(3.99) es 3. Es el (int) o el intdiv() de PHP.
% = operador módulo (del latín modulus, medida)
El resto de una división: 20 % 7 es 6. Se escribe y funciona igual que en PHP.
OFMT = Output ForMaT (formato de salida)
La variable de awk que decide con cuántas cifras imprime print un número con decimales. De fábrica son 6 cifras; en la lección siguiente lo controlas tú con printf.
--lint = inglés lint (pelusa)
Un linter es un programa que busca «pelusas» en tu código: cosas legales pero sospechosas. En PHP serían PHPStan o el propio aviso de Undefined variable.
En 4 ideas
1/4
En PHP toda variable lleva $: $total_bytes. En awk no lo lleva: total_bytes. El $ de awk significa «el campo número…» y es otra cosa.
En PHP usar una variable sin crearla da un aviso. En awk nace sola y vacía: vale "" como texto y 0 como número, las dos cosas a la vez.
En PHP "200" es un string y 200 un int. En awk un valor es texto o número según lo que hagas con él: con + es un número, pegado a otra cosa es un texto.
En PHP $total_byts (mal escrita) da Warning: Undefined variable. En awk no avisa nadie: es una variable nueva, vacía, y tu total sale en blanco.
1 · Sin dólar y sin declarar
Una variable es una caja con una etiqueta: guardas algo dentro y lo recuperas por su nombre. En el módulo anterior ya usaste una sin saberlo: el n++ que contaba líneas. Ahora vamos a sumar los bytes que ha servido la web. Los bytes de cada respuesta están en el campo 10.
PHP 8.5bytes.php
<?php// en PHP la variable se crea antes de usarla$total_bytes = 0;
foreach (file("access.log", FILE_IGNORE_NEW_LINES) as$linea) {
$campos = preg_split('/\s+/', trim($linea));
// el campo 10 de awk es el índice 9 de PHP$total_bytes += (int) $campos[9];
}
echo"Bytes servidos: ", $total_bytes, PHP_EOL;
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: 1,23 s · gawk: 620 ms · mawk: 520 ms. awk tarda 2,4 veces menos que PHP.
Mira lo que no hay en el awk: ni $ delante de total_bytes, ni una línea que la cree, ni un (int). La primera regla se ejecuta en cada línea y va sumando. La regla END se ejecuta al acabar el fichero, y la variable sigue ahí con todo lo acumulado.
El nombre lleva letras, números y guiones bajos, y no puede empezar por un número: total_bytes, visitas2.
Mayúsculas y minúsculas cuentan: total y Total son dos variables distintas, como en PHP.
awk ya usa nombres en mayúsculas para las suyas (NR, NF, FS…). Escribe las tuyas en minúsculas y nunca chocarás con ellas.
¿Por qué? · En PHP no existe
¿Por qué las variables de awk no llevan $?
Porque el $ ya está cogido. En awk $ es una operación: «dame el campo número…». $7 es el campo 7. Y si detrás pones una variable, awk mira qué número hay en la caja y te da ese campo.
awkprograma.awk
NR == 1 {
columna = 7# sin dolar: lo que hay dentro de la cajaprint columna
# con dolar: el campo numero 7 de la lineaprint$columna
}
$ 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.
columna vale 7. $columna es «el campo 7», o sea la página (/). Este es el tropiezo número uno de quien viene de PHP: se te va el dedo, escribes $total_bytes y awk no protesta. Entiende «el campo número total_bytes» y te devuelve cualquier cosa.
¿Qué gana awk con esto? Que el campo se puede calcular: $NF ya lo conoces, y en la lección de control de flujo recorrerás todos los campos con $i.
2 · Nacen solas y vacías
En PHP, si usas una variable que no existe, te llevas un Warning: Undefined variable. En awk no hay que crearla: la primera vez que la nombras, existe. Y nace vacía. Este programa no lee ningún fichero; solo pregunta por una variable que nadie ha tocado:
awkprograma.awk
BEGIN {
# En PHP: Warning: Undefined variable $sin_estrenarprint"Como texto: [" sin_estrenar "]"print"Como numero:", sin_estrenar + 0
}
$ 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.
Como texto no hay nada entre los corchetes. Como número vale 0. Es las dos cosas a la vez. Piensa en una pizarra recién borrada: si la lees, no pone nada; si te pones a contar en ella, empiezas desde cero.
Por eso funcionan n++ y total_bytes += $10 sin una línea antes que ponga la variable a cero: la primera vez suman sobre un 0.
¿Por qué? · En PHP no existe
¿Por qué awk no obliga a declarar ni a poner a cero?
awk nació para escribir programas de una línea en la terminal. Si para contar visitas hubiera que escribir antes BEGIN { visitas = 0 }, la mitad del programa serían preparativos.
En PHP ese trabajo lo haces tú: $total = 0; antes del bucle, o $visitas[$ip] = ($visitas[$ip] ?? 0) + 1; para no llevarte el aviso. awk te lo ahorra.
El precio lo pagas en la sección de la errata: como cualquier nombre nuevo vale, awk no puede distinguir una variable nueva de una mal escrita.
3 · Texto o número: depende de lo que hagas
En PHP cada valor tiene un tipo: "200" es un string y 200 es un int. En awk no eliges tipo. El mismo valor se usa como texto o como número según la operación. Es como un papel que pone «20»: lo puedes leer en voz alta (texto) o sumarlo a otra cifra (número).
awkprograma.awk
NR == 1 {
# con + es un numero. En PHP: $campos[8] + 1print$9 + 1# pegado a otra cosa es un texto. En PHP: $campos[8] . "1"print$9"1"
}
$ 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.
El estado de la primera línea es 200. Con + awk hace la cuenta: 201. Sin nada en medio lo concatena (lo pega), como viste en la primera lección: 2001. Para guardar un texto con trozos, igual: frase = "Visitas: " visitas.
Operación
awk la trata como
En PHP
a + b, a - b, a * b, a / b
número
igual
a b (seguidos, sin nada)
texto: los pega
$a . $b
a " " b
texto: los pega con un espacio en medio
$a . " " . $b
"abc" + 2
2: un texto sin número cuenta como 0
TypeError: Unsupported operand types: string + int
"3 visitas" + 2
5: se queda con el número del principio
5, con Warning: A non-numeric value encountered
Las dos últimas filas son la misma idea de siempre: awk nunca se para ni avisa. PHP 8 te lanza un error; awk convierte lo que puede y sigue. Para un log con algún dato raro es práctico (hay servidores que escriben - en los bytes cuando no envían nada, y awk lo suma como 0).
A veces quieres obligar a awk a tratar algo de una forma. Hay dos trucos, y los verás en programas de cualquiera:
Truco
Qué hace
En PHP
valor + 0
Lo convierte en número
(int) $valor o (float) $valor
valor ""
Lo convierte en texto (le pega un texto vacío)
(string) $valor
¿Cuándo hace falta? El caso típico es un contador que nunca llegó a contar. Ninguna visita del log dio el estado 418, así que la variable sigue como nació: vacía.
awkprograma.awk
$9 == 418 { raras++ }
END {
# la variable nunca se toco: sale vaciaprint"Sin forzar: [" raras "]"# En PHP: (int) $rarasprint"Forzando numero: [" (raras + 0) "]"
}
$ 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.
4 · La errata que PHP avisa y awk no
Este es el fallo más traicionero del módulo. Los dos programas tienen la misma errata: en la última línea falta una e en el nombre de la variable. Ejecuta el de awk.
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.
awk imprime Bytes servidos: y nada detrás. Ni un error. PHP tampoco imprime el número, pero además te dice dónde está el fallo:
$ php bytes.php
Bytes servidos:
Warning: Undefined variable $total_byts in bytes.php on line 8
¿Por qué? · En PHP no existe
¿Por qué awk no avisa de una variable mal escrita?
Es la otra cara de «nacen solas». Para awk total_byts no es un error: es otra variable, recién nacida y vacía. No tiene forma de saber que tú querías decir total_bytes.
Lo malo no es que falle, sino cómo falla: el programa termina bien y el informe sale con un hueco o con un cero. Si ese total va a un correo o a una gráfica, nadie se entera de que es mentira.
Es el mismo fallo que PHP dejaba pasar hace años sin avisos activados. PHP lo arregló avisando; awk sigue igual que en 1977.
Como el lenguaje no te protege, te proteges tú:
Si un total sale vacío o en cero, sospecha primero de una errata. Compara letra a letra el nombre donde sumas y donde imprimes.
Nombres claros y completos: total_bytes se escribe mal menos veces que tb o totbyt, y la errata se ve antes.
Solo gawk: la opción --lint revisa el programa y avisa de las variables que se leen sin haberse rellenado nunca. En mawk o en el awk de macOS no existe: toca revisar a ojo.
Las cuentas se escriben casi como en PHP. Lo único que cambia de verdad es la potencia.
Quieres
PHP
awk
Sumar 1
$visitas++;
visitas++
Acumular
$total += $bytes;
total += $10
También restar, multiplicar, dividir
-=*=/=
-=*=/=
Dividir
7 / 2 → 3.5
7 / 2 → 3.5
Dividir sin decimales
intdiv(7, 2) → 3
int(7 / 2) → 3
Resto
7 % 2 → 1
7 % 2 → 1
Potencia
2 ** 10
2 ^ 10
Con eso ya sale la media: bytes totales entre número de visitas.
awkprograma.awk
{
visitas++
total_bytes += $10
}
END {
# En PHP: $total_bytes / $visitasprint"Media:", total_bytes / visitas
# En PHP: intdiv($total_bytes, $visitas)print"Media sin decimales:", int(total_bytes / visitas)
# En PHP: $visitas % 7print"Visitas que sobran al hacer grupos de 7:", visitas % 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 división siempre da decimales si los hay. int() los corta: no redondea, tira lo que hay detrás de la coma (int(3.99) es 3). En END también puedes dividir entre NR, que ahí vale el total de líneas.
¿Por qué? · En PHP no existe
¿Por qué no hay división entera, como el intdiv() de PHP?
Porque awk solo tiene una clase de número: con decimales. PHP distingue int de float; awk no. Un 7 y un 7.0 son lo mismo, así que no hay una división «de enteros» aparte.
¿Qué fallo evita? El de C o Go, donde 7 / 2 da 3 y pierdes medio byte sin enterarte. En awk la cuenta sale completa, y si no quieres decimales los cortas tú, a la vista, con int().
¿Qué fallo nuevo trae? print enseña como mucho 6 cifras de un número con decimales: 58311.8, no 58311.800000. Y uno grande como 1234567.5 lo imprime 1.23457e+06. Los enteros salen enteros. Para decidir tú las cifras está printf, que es la lección siguiente.
La pregunta que te vas a hacer
¿Y con un log de 2 GB? ¿Cabe la suma en una variable?
De sobra. Los números de awk son del mismo tipo que el float de PHP, y guardan enteros exactos hasta 9007199254740992 (2 elevado a 53). En bytes son unos 8 000 terabytes: muchos años de tráfico de una web normal.
Y la memoria no crece: awk lee una línea, suma y la olvida. Un log de 2 GB ocupa lo mismo que uno de 2 KB, porque lo único que guardas es el total.
Manual de GNU awk: busca «Variables» y «Arithmetic Ops» para el detalle de cada operador.
El programa debería sumar los bytes de todas las respuestas (campo 10) e imprimir al final Bytes servidos: 1166236. Ahora imprime solo los bytes de la última línea. Arréglalo. Es el $total_bytes += $campos[9]; de PHP.
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. Con = la variable se queda con el valor de la línea actual y pierde lo anterior. Para acumular hace falta +=, igual que en PHP.
Reto 2 de 4 · ✓ Resuelto
La errata que no avisa
Este programa cuenta las visitas que dieron un 404 y los bytes que se gastaron en responderlas. Debe imprimir dos líneas: No encontradas: 3 y Bytes: 459. Se ejecuta sin errores, pero la primera línea sale sin número. Encuentra por qué y arréglalo. En PHP te habría salido un Warning: Undefined variable.
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 $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Compara letra a letra el nombre de la variable donde se suma y donde se imprime. Para awk, un nombre con una letra menos es otra variable, y nace vacía.
Reto 3 de 4 · ✓ Resuelto
Media sin decimales
Imprime el tamaño medio de una respuesta, sin decimales, con este formato exacto: Media: 58311 bytes por visita. La media son los bytes totales entre el número de líneas (NR, que en END vale el total). En PHP sería intdiv($total_bytes, $visitas).
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. La división de awk siempre da decimales. Hay una función que los corta: envuelve con ella toda la división.
Reto 4 de 4 · ✓ Resuelto
Porcentaje de errores
Cuenta las visitas con estado 400 o más e imprime qué porcentaje son del total, sin decimales y con este formato exacto: Errores: 8 de 20 (40%). Fíjate en que el ( va pegado al número y el % también: con comas en el print saldrían espacios. En PHP sería echo "Errores: $errores de $visitas (" . intdiv($errores * 100, $visitas) . "%)";.
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. Dos cosas: int() para quitar los decimales del porcentaje, y concatenar en vez de usar comas. Sin coma, awk pega; los espacios que quieras los pones tú dentro de los textos: " de ".
Resumen
Lo que te llevas de esta lección
Las variables van sin $ y sin declarar: total_bytes += $10. En PHP, $total_bytes += $campos[9]; con su $total_bytes = 0; antes.
$variable no es la variable: es el campo cuyo número está en ella. columna = 7; print $columna imprime el campo 7, tu $campos[$columna - 1].
Una variable sin estrenar vale "" y 0 a la vez. En PHP sería Warning: Undefined variable.
El uso decide: con + - * / es un número, pegada a otra cosa es un texto. + 0 fuerza número ((int) en PHP) y "" fuerza texto ((string)).
Una variable mal escrita es una variable nueva y vacía, sin aviso. Si un total sale en blanco o en cero, busca la errata.
/ siempre da decimales; int() los corta (el intdiv() de PHP); % es el resto y la potencia es ^ (en PHP, **).
Para recordarlo: «Sin dólar, sin declarar, sin avisar»
SSin dólar total_bytes
SSin declarar nace "" y 0
SSin avisar ojo a la errata
Las tres cosas que cambian respecto a PHP, en orden: la variable no lleva $, no hay que crearla… y si te equivocas al escribirla, nadie te lo dice. Las dos primeras son un regalo; la tercera es la factura.