Combinación de Regex con sed/awk

¡Le damos la bienvenida a la lección final sobre expresiones regulares! Hemos aprendido el poder de las expresiones regulares para hacer coincidir patrones.

Ahora combinaremos ese poder con dos herramientas esenciales de Linux: sed (editor de flujo) y awk (lenguaje de exploración y procesamiento de patrones). Esta integración permite realizar filtrado, sustitución y extracción de datos de texto muy avanzados.

sed puede usar expresiones regulares para filtrar líneas. La dirección /pattern/ permite que sed aplique comandos únicamente a las líneas que coincidan con la expresión regular indicada.

La opción -n suprime la salida predeterminada y p imprime explícitamente las líneas coincidentes.

El comando s/regex/replacement/ de sed es donde las expresiones regulares realmente destacan para transformar texto. Puede reemplazar los patrones encontrados por su expresión regular con texto nuevo.

La bandera g reemplaza todas las apariciones de una línea, y i hace que la coincidencia no distinga entre mayúsculas y minúsculas.

Las expresiones regulares permiten definir grupos de captura mediante paréntesis (). Después, puede hacer referencia al texto coincidente con estos grupos en la cadena de reemplazo mediante referencias inversas como \1, \2, etc.

Use -E con sed para utilizar la sintaxis de expresiones regulares extendidas (por ejemplo, para usar () sin escaparlos).

awk usa patrones de expresiones regulares para seleccionar registros (líneas) antes de ejecutar acciones. Si se proporciona un patrón antes de un bloque de acción {...}, la acción solo se ejecuta en las líneas que coincidan con el patrón.

Es similar a grep, pero permite realizar un procesamiento más complejo.

Puede aplicar patrones de expresiones regulares a campos específicos en awk mediante los operadores ~ (coincide) y !~ (no coincide). Esto resulta muy potente para datos estructurados.

Por ejemplo, $1 ~ /pattern/ comprueba si el primer campo coincide con la expresión regular.

awk proporciona funciones como match(string, regex) para encontrar la posición y la longitud de una coincidencia, y substr(string, start, length) para extraerla.

Después de match(), RSTART contiene la posición inicial y RLENGTH contiene la longitud de la coincidencia.

awk también incluye funciones integradas para la sustitución: sub(regex, replacement, target) para la primera coincidencia y gsub(regex, replacement, target) para todas las coincidencias.

Si se omite target, se usa $0 (el registro completo). Puede especificar un campo como $1.

Aunque tanto sed como awk pueden usar expresiones regulares para sustituir y filtrar, cada uno destaca en áreas diferentes:

• sed suele ser mejor para transformaciones y sustituciones sencillas línea por línea. Es un editor de flujo.
• awk es más potente para procesar datos estructurados (campos), realizar cálculos y gestionar lógica más compleja o patrones de varias líneas. Es un lenguaje de programación por sí mismo.

A menudo, puede encadenarlos mediante tuberías | para realizar tareas muy complejas.

Considere la siguiente línea de texto:

Order#12345: ProductX - Price $19.99

¿Qué comando extraería correctamente el precio (por ejemplo, «19.99») y después cambiaría el símbolo de moneda por «EUR»?

¡Ha dominado la combinación de expresiones regulares con sed y awk!

• sed destaca al filtrar y reemplazar texto línea por línea, usando expresiones regulares para realizar coincidencias y sustituciones potentes.
• awk ofrece un enfoque más programático, ya que permite usar expresiones regulares para filtrar registros, buscar coincidencias en campos específicos y extraer o modificar datos mediante funciones como match(), substr(), sub() y gsub().

Esta habilidad es fundamental para el procesamiento avanzado de texto y la creación de scripts en Linux.