linux - 如何使用 sed 或 awk 从字符串中提取多个参数

Question

我有一个如下所示的日志文件:

2010/01/12/ 12:00 some un related alapha 129495 and the interesting value 45pts
2010/01/12/ 15:00 some un related alapha 129495 and no interesting value
2010/01/13/ 09:00 some un related alapha 345678 and the interesting value 60pts

我想使用 gnuplot 绘制日期时间字符串与有趣的值。为了做到这一点，我试图将上面的日志文件解析成一个 csv 文件，它看起来像(不是日志中的所有行都有一个可绘制的值):

2010/01/12/12:00, 45

2010/01/13/14:00, 60

我如何使用 sed 或 awk 执行此操作？

我可以像这样提取初始字符:

cat partial.log | sed -e 's/^\(.\{17\}\).*/\1/' 

但是我怎样才能提取最终值呢？

我一直在尝试这样做无济于事!

谢谢

Answer 1

虽然这是一个非常古老的问题，有很多答案，但您可以不使用外部工具，如 sed 或 awk(因此与平台无关)。您可以“简单地”使用 gnuplot(即使是 OP 问题当时的版本:gnuplot 4.4.0，2010 年 3 月)。

但是，根据您的示例数据和描述，不清楚是否感兴趣

1. 严格位于第 12 列或
2. 始终位于最后 列或
3. 可以在任何列中，但总是尾随 pts

对于所有 3 种情况，都有仅 gnuplot(因此与平台无关)的解决方案。假设列分隔符是空格。

ad 1. 最简单的解决方案:使用 u 1:12 ，gnuplot 将简单地忽略非数字和列值，例如像 45pts 将被解释为 45 。

广告 2. 和 3. 如果您将最后一列提取为字符串，如果您想通过 real() 将非数值转换为 float ，gnuplot 将失败并停止。因此，如果列值至少以数字开头并因此可以通过 isNumber() 转换，则必须通过自己的函数 real() 测试自己。如果字符串不是数字，您可以将值设置为 1/0 或 NaN 。但是，在早期的 gnuplot 版本中，线(点)图的线将被打断。而在较新的 gnuplot 版本 (>=4.6.0) 中，您可以将值设置为 NaN 并通过 set datafile missing NaN 避免中断，然而，这在 gnuplot 4.4 中不可用。此外，在 gnuplot 4.4 中，NaN 被简单地设置为 0.0 (GPVAL_NAN = 0.0)。您可以使用下面也使用的 "trick" 解决此问题。

数据: SO7353702.dat

2010/01/12/ 12:00 some un related alapha 129495 and the interesting value 45pts
2010/01/12/ 15:00 some un related alapha 129495 and no interesting value
2010/01/13/ 09:00 some un related alapha 345678 and the interesting value 60pts
2010/01/15/ 09:00 some un related alapha 345678 62pts and nothing
2010/01/17/ 09:00 some un related alapha 345678 and nothing
2010/01/18/ 09:00 some un related alapha 345678 and the interesting value 70.5pts
2010/01/19/ 09:00 some un related alapha 345678 and the interesting value extra extra 64pts
2010/01/20/ 09:00 some un related alapha 345678 and the interesting value 0.66e2pts

脚本:(适用于 gnuplot>=4.4.0，2010 年 3 月)

### extract numbers without external tools
reset
FILE = "SO7353702.dat"

set xdata time
set timefmt "%Y/%m/%d/ %H:%M"
set format x "%b %d"
isNumber(s) = strstrt('+-.',s[1:1])>0 && strstrt('0123456789',s[2:2])>0 \
              || strstrt('0123456789',s[1:1])>0

# Version 1:
plot FILE u 1:12 w lp pt 7 ti "value in the 12th column"
pause -1

# Version 2:
set datafile separator "\t"
getLastValue(col) = (s=word(strcol(col),words(strcol(col))), \
                     isNumber(s) ? (t0=t1, real(s)) :  (y0))
plot t0=NaN FILE u (t1=timecolumn(1), y0=getLastValue(1), t0) : (y0) w lp pt 7 \
        ti "value in the last column"
pause -1

# Version 3:
getPts(s) = (c=strstrt(s,"pts"), c>0 ? (r=s[1:c-1], p=word(r,words(r)), isNumber(p) ? \
            (t0=t1, real(p)) : y0) : y0)
plot t0=NaN FILE u (t1=timecolumn(1),y0=getPts(strcol(1)),t0):(y0) w lp pt 7 \
            ti "value anywhere with trailing 'pts'"
### end of script

结果:

Version 1:

Version 2:

Version 3: