Patrones, rangos y bloques BEGIN/END

En awk, un patrón es una condición que controla si se ejecuta un bloque de acciones para una línea de entrada determinada. La forma general es:

awk 'pattern { action }' file

Si el patrón coincide con el registro actual, se ejecuta la acción. Si no se indica ninguna acción, awk imprime la línea completa de forma predeterminada. Los patrones pueden ser:

• Expresiones regulares — /regex/
• Expresiones relacionales — $3 > 100
• Expresiones compuestas — $1 == "ERROR" && $4 > 500
• Patrones de rango — /start/,/end/
• Patrones especiales — BEGIN y END

Comprender los patrones es la puerta de entrada para usar awk como un potente filtro de datos, en lugar de limitarse a imprimir columnas.

El tipo de patrón más común es una expresión regular encerrada entre barras diagonales. awk comprueba cada línea con la expresión regular y ejecuta la acción únicamente cuando hay coincidencia.

A continuación filtramos un archivo del estilo de /var/log/syslog para mostrar solo las líneas que contienen la palabra ERROR:

Anteponer ! a un patrón de expresión regular lo invierte: coincidirán las líneas que no contengan el patrón. Combine varias condiciones con && (AND) o || (OR) para obtener un control más preciso.

• !/DEBUG/ — omitir las líneas de depuración
• $3 > 500 && $5 == "POST" — solicitudes POST grandes
• /WARN/ || /ERROR/ — cualquiera de los dos niveles de gravedad

El ejemplo siguiente analiza un registro de acceso simplificado e imprime únicamente las solicitudes POST cuyo tamaño de respuesta supera los 1000 bytes:

Un patrón de rango selecciona un bloque contiguo de registros: desde la línea que coincide con /start/ hasta la línea que coincide con /end/, ambas inclusive. La sintaxis es:

awk '/start/,/end/ { action }' file

Comportamientos clave que debe conocer:

• El rango se activa en la primera línea que coincide con /start/ y se desactiva después de la primera línea posterior que coincide con /end/.
• Si /end/ nunca coincide, el rango permanece activo hasta el final del archivo.
• Los distintos rangos no solapados de un mismo archivo se procesan de forma independiente.

Esto hace que los patrones de rango sean ideales para extraer secciones marcadas de archivos de configuración, registros con encabezados delimitadores o informes formados por varios bloques.

Considere una configuración de servidor con varias secciones identificadas por nombres y delimitadas por encabezados [section]. Queremos únicamente las líneas de [database]:

El bloque BEGIN se ejecuta una vez, antes de leer cualquier entrada. Es ideal para:

• Imprimir el encabezado de un informe
• Inicializar variables y contadores
• Establecer el separador de campos (FS) u otras variables integradas
• Ejecutar programas independientes de awk que no necesitan ninguna entrada

Sintaxis:

awk 'BEGIN { setup } pattern { action }' file

Establecer FS en BEGIN es una alternativa más clara a la opción -F, especialmente útil al escribir programas con varias reglas cuya lógica de separación reside dentro del script.

El bloque END se ejecuta una vez, después de procesar el último registro. Es el lugar natural para:

• Imprimir totales, promedios y resúmenes acumulados durante el procesamiento
• Vaciar o cerrar archivos de salida
• Imprimir líneas de pie en informes con formato

Las variables establecidas durante las reglas principales siguen estando disponibles dentro de END; así es como funcionan los totales acumulados. El ejemplo siguiente suma los valores salariales de un CSV e imprime el total en el pie:

La verdadera potencia aparece al combinar los tres bloques en un único programa de awk autónomo que imprime un encabezado, procesa cada registro e imprime un resumen. Este patrón es la base de las canalizaciones de generación de informes basadas en shell.

A continuación se muestra un generador de informes completo que lee un CSV de solicitudes web e imprime los detalles de cada línea, además del recuento final de las solicitudes que superaron 1 segundo:

En BEGIN se pueden establecer fácilmente dos variables de salida que a menudo se pasan por alto:

• OFS (Output Field Separator) — se inserta entre los campos al reconstruir un registro con $1=$1 o al usar print $1, $2
• ORS (Output Record Separator) — se añade después de cada llamada a print (el valor predeterminado es \n)

Establecer OFS="," permite reformatear un TSV como CSV en una sola pasada, sin concatenar cadenas. Cambiar ORS a "\n---\n" añade automáticamente separadores entre los registros.

Los patrones de rango son especialmente útiles para analizar registros operativos. Una tarea habitual consiste en extraer todas las líneas del registro entre el inicio y el final de un incidente, identificados mediante mensajes centinela como INCIDENT START e INCIDENT END.

En el ejemplo siguiente, awk extrae únicamente las líneas del intervalo del incidente y cuenta los eventos ERROR que contiene, combinando un patrón de rango con un acumulador y un resumen en END:

De forma predeterminada, los patrones de rango incluyen las propias líneas que coinciden con /start/ y /end/. Para omitir esas líneas delimitadoras y conservar únicamente el contenido intermedio, proteja la acción con una negación o con una variable de estado:

• Enfoque mediante negación: /start/,/end/ { if (!/start/ && !/end/) print }
• Enfoque mediante indicador: establezca manualmente una variable en 1 al encontrar /start/ y en 0 al encontrar /end/

El enfoque mediante indicador es más robusto cuando el texto delimitador también puede aparecer en el contenido:

Compruebe su comprensión de cómo interactúan los bloques BEGIN y END con el procesamiento de la entrada en awk.

En esta lección ha aprendido las tres características estructurales más potentes de los programas de awk:

• Patrones — las expresiones regulares (/ERROR/), relacionales ($3 > 1000), negadas (!/DEBUG/) y compuestas (&&, ||) controlan qué registros activan una acción, sin necesidad de usar sentencias if explícitas.
• Patrones de rango (/start/,/end/) — seleccionan bloques contiguos de registros, perfectos para extraer intervalos de incidentes de registros, secciones de configuración y segmentos de informes. Use una variable de estado (next + boolean) cuando necesite excluir las propias líneas delimitadoras.
• Bloque BEGIN — se ejecuta una vez antes de cualquier entrada; es ideal para establecer FS, OFS y ORS, inicializar contadores e imprimir encabezados de informes.
• Bloque END — se ejecuta una vez después de toda la entrada; es el lugar adecuado para imprimir totales, promedios y pies utilizando las variables acumuladas en las reglas principales.

En conjunto, estas características permiten escribir programas de awk completos y autodocumentados que reciben texto sin procesar y generan informes estructurados y legibles para las personas, todo ello en una sola etapa de la canalización, sin archivos temporales ni herramientas externas.