Fundamentos de awk

awk es una herramienta fundamental en sistemas Unix y Linux diseñada para el análisis y procesamiento de flujos de texto. A diferencia de grep (enfocado en búsqueda) o sed (orientado a edición), awk destaca en la extracción de datos estructurados y la generación de reportes. Su mecanismo principal consiste en leer archivos línea por línea, dividir cada registro en campos utilizando un delimitador específico y aplicar operaciones lógicas o matemáticas sobre estos segmentos.

Originalmente desarrollado por Alfred Aho, Peter Weinberger y Brian Kernighan, awk no es solo un comando, sino un lenguaje de programación completo orientado al escaneo de patrones. La versión más común en sistemas modernos es gawk (GNU awk).

Sintaxis Básica

La estructura general para invocar awk desde la terminal es la siguiente:

awk 'condicion {bloque_de_accion}' archivo_entrada

La condicion evalúa si la línea actual cumple con un patrón (a menudo una expresión regular). Si es verdadera, se ejecuta el bloque_de_accion encrerado entre llaves. Si no se especifica una acción, el comportamiento por defecto es imprimir la línea completa.

Métodos de Ejecución

Existen tres formas principales de ejecutar scripts de awk:

• Desde la línea de comandos: Ideal para tareas rápidas. ``` awk -F 'delimitador_de_campo' 'instrucciones' archivo_entrada

  
  El parámetro `-F` define el separador de campos. Si se omite, `awk` utiliza espacios en blanco o tabulaciones por defecto.
  

• Como script ejecutable: Se crea un archivo independiente con el shebang correspondiente. ``` #!/usr/bin/awk -f

  Instrucciones de awk aquí

  
  Luego se otorgan permisos de ejecución (`chmod +x script.awk`) y se ejecuta directamente.
  

• Invocando un archivo de script: Se utiliza la bandera -f para cargar el código desde un archivo externo. ``` awk -f script.awk archivo_entrada

Ejemplos Prácticos de Extracción

Supongamos que necesitamos analizar la salida del comando w -h para obtener información de sesiones activas:

w -h | awk '{print "Usuario: " $1 ", Terminal: " $2}'

En este flujo, awk divide cada línea en campos. $1 representa el primer campo (usuario) y $2 el segundo (terminal). La variable $0 contiene la línea completa.

Para procesar archivos con delimitadores personalizaods, como /etc/passwd que usa dos puntos (:), utilizamos -F:

awk -F ':' '{print $1 " -> " $7}' /etc/passwd

Este comando extrae el nombre de usuario ($1) y su shell asignado ($7).

Bloques BEGIN y END

awk permite ejecutar código antes de procesar cualquier línea (BEGIN) y después de leer todo el archivo (END):

awk -F ':' 'BEGIN {print "=== Listado de Usuarios ==="} {print $1 "," $7} END {print "=== Fin del Reporte ==="}' /etc/passwd

Filtrado con Patrones

Se pueden aplicar expresiones regulares directamente como condición. Por ejemplo, para encontrar usuarios cuyo nombre comience con "root" y mostrar su shell:

awk -F ':' '/^root/ {print "Shell de root: " $7}' /etc/passwd

Variables Internas de awk

El lenguaje proporciona variables predefinidas para controlar el entorno de procesamiento:

• FS: Separador de campos de entrada (equivalente a -F).
• OFS: Separador de campos de salida.
• RS: Separador de regisrtos de entrada (por defecto, salto de línea).
• ORS: Separador de registros de salida.
• NF: Número total de campos en el registro actual.
• NR: Número total de registros (líneas) procesados hasta el momento.
• FILENAME: Nombre del archivo que se está procesando actualmente.

Ejemplo de uso de variables internas para generar un diagnóstico de líneas:

awk -F ':' '{printf "Archivo: %-15s | Linea: %d | Columnas: %d\n", FILENAME, NR, NF}' /etc/passwd

Formateo de Salida: print vs printf

Mientras que print simplemente vuelca los datos separados por el OFS, printf permite un control preciso del formato, similar a su homólogo en C. Esto es crucial para alinear columnas en reportes:

awk -F ':' '{printf "%-20s | UID: %-5s | Shell: %s\n", $1, $3, $7}' /etc/passwd

Programación en awk

Variables Personalizadas y Contadores

Es posible declarar variables para acumular valores o contar registros. Aunque no es estrictamente necesario inicializarlas a cero, es una buena práctica hacerlo en el bloque BEGIN:

awk -F ':' 'BEGIN {total=0} {total++; print $0} END {print "Total de registros: " total}' /etc/passwd

Para calcular el tamaño total de archivos en un directorio, omitiendo directorios (que suelen tener un tamaño de 4096 bytes):

ls -l | awk 'BEGIN {tamano_total=0} {if ($5 > 1024) {tamano_total += $5}} END {print "Tamano acumulado (>1KB): " tamano_total " bytes"}'

Estructuras Condicionales

La sintaxis para condicionales if-else es idéntica a la de C:

if (condicion) {
    instruccion1;
} else if (condicion2) {
    instruccion2;
} else {
    instruccion3;
}

Ciclos y Arreglos Asociativos

awk soporta bucles for, while y do-while. Además, maneja arreglos asociativos donde los índices pueden ser cadenas de texto o números, almacenados internamente mediante tablas hash.

El siguiente ejemplo almacena los nombres de usuario en un arreglo indexado por el número de línea (NR) y luego itera sobre ellos:

awk -F ':' '{usuarios[NR] = $1} END {for (i=1; i<=NR; i++) print "Indice " i ": " usuarios[i]}' /etc/passwd

Dado que los arreglos en awk son asociativos, si se utilizan cadenas como índices, el orden de iteración nativa no está garantizado, por lo que se recomienda usar índices numéricos secuenciales si se requiere un orden específico al recorrerlos.