[AWK] - Parser un fichier texte avec awk

**Johaann** · 07/06/2018, 13h59

Bonjour à tous,

J'ai un petit problème avec AWK. J'ai un gros fichier texte (récupéré depuis une APIREST) que j'ai besoin de parser et réécrire quelques éléments. Je m'étais orienté vers une boucle qui lit toutes les lignes du fichier (while / read) mais c'est beaucoup trop long.
Je me suis dit que la meilleur manière de faire, la plus optimisé, est d'utiliser awk. Mais je me heurte à un problème...

Voici le contenu de mon fichier :
...
FRA118;FR240;20180714;20180714;holiday
FRA118;FR240;20181111;20181111;holiday
FRA118;FR240;20181202;20181202;exceptional
...

L'idée c'est, sur chaque ligne, prendre la première date (en $3) et de la réécrire avec juste le jour. Par exemple, pour "20180714", je veux "mardi" à la place.

voilà ou j'en suis :
Sur une ligne ça marche avec ce code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

echo "FRA118;FR240;20180714;20180714;holiday" | awk -F";" 'BEGIN {OFS="/"} {cmd = "date -d \"" $3 "\" \"+%A\"" |& getline d;close(cmd);print $1 ";" $2 ";" d ";" substr($4,7,2), substr($4,5,2), substr($4,1,4) ";" $5}'

mais lorsque je spécifie le fichier... :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F";" 'BEGIN {OFS="/"} {cmd = "date -d \"" $3 "\" \"+%A\"" |& getline d;close(cmd);print $1 ";" $2 ";" d ";" substr($4,7,2), substr($4,5,2), substr($4,1,4) ";" $5}' TOTO2.txt

J'avais aussi cette alternative mais ça ne marche pas non plus, j'ai tout le temps le même jour... :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F";" 'BEGIN {OFS="/"} {s=strftime("%A", ($3), 1) ;print $1 ";" $2 ";" (s) ";" substr($4,7,2), substr($4,5,2), substr($4,1,4) ";" $5}' TOTO2.txt

C'est fou car sur les premières lignes de mon fichier, j'ai bien le résultat attendu mais à un moment donné, ça ne marche plus et awk me renvoie des mauvais jours et sur 40 lignes parfois... Ça je ne comprend pas...

Je vous met en PJ le fichier texte que je veux traiter.

Si quelqu'un a une idée ou une autre manière de faire sans être obligé de lire le fichier ligne par ligne, je suis preneur

Merci de votre aide !

TOTO2.txt

Cordialement,
Johann

**Flodelarab** · 07/06/2018, 14h38

Bonjour

Tu fais tout en même temps.
Prends ton temps.
Ce n'est pas cmd="blabla" | getline d;close(cmd);.
Mais cmd="blabla"; cmd | getline d;close(cmd);.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
$ tail TOTO2.txt
FRA079;FR240;20180510;20180510;holiday
FRA079;FR240;20180402;20180402;holiday
FRA058;FR240;20180714;20180714;holiday
FRA058;FR240;20181111;20181111;holiday
FRA058;FR240;20181223;20181223;exceptional
FRA058;FR240;20181225;20181225;holiday
FRA058;FR240;20180101;20180101;holiday
FRA058;FR240;20180501;20180501;holiday
FRA058;FR240;20180521;20180521;holiday
FRA058;FR240;20181209;20181209;exceptional

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
$ awk -F";" 'BEGIN {OFS="/"} {cmd = "date -d \"" $3 "\" \"+%A\"";cmd | getline d;close(cmd);print $1 ";" $2 ";" d ";" substr($4,7,2), substr($4,5,2), substr($4,1,4) ";" $5}' TOTO2.txt |tail
FRA079;FR240;jeudi;10/05/2018;holiday
FRA079;FR240;lundi;02/04/2018;holiday
FRA058;FR240;samedi;14/07/2018;holiday
FRA058;FR240;dimanche;11/11/2018;holiday
FRA058;FR240;dimanche;23/12/2018;exceptional
FRA058;FR240;mardi;25/12/2018;holiday
FRA058;FR240;lundi;01/01/2018;holiday
FRA058;FR240;mardi;01/05/2018;holiday
FRA058;FR240;lundi;21/05/2018;holiday
FRA058;FR240;dimanche;09/12/2018;exceptional

Bravo de penser au close(cmd).
A ta place, je morcellerais année, mois et jour par des points-virgules pour se débarrasser définitivement du problème de parsing.

Bonne suite

**Johaann** · 07/06/2018, 14h58

Merci pour ta réponse et ta réactivité

Je me suis pourtant arraché les cheveux dessus

Par curiosité, sais-tu si la commande avec strtime (commande interne à awk) est plus optimisé/adapté pour faire ça ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F";" 'BEGIN {OFS="/"} {s=strftime("%A", ($3), 1) ;print $1 ";" $2 ";" (s) ";" substr($4,7,2), substr($4,5,2), substr($4,1,4) ";" $5}' TOTO2.txt

Merci

**disedorgue** · 07/06/2018, 15h07

Bonjour,
Tu n'as qu'a le vérifier:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F\; 'BEGIN{OFS=FS}{$3=strftime("%A", mktime(gensub(/(....)(..)(..)/,"\\1 \\2 \\3 00 00 00","g",$4)), 0);$4=strftime("%d/%m/%Y", mktime(gensub(/(....)(..)(..)/,"\\1 \\2 \\3 00 00 00","g",$4)), 0)}1' fichier

**Johaann** · 07/06/2018, 16h11

Hello,

je confirme ! la commande en passant par les commandes interne à AWK est quand même bien plus rapide !

Est-ce que tu peux m'expliquer brièvement ta commande notamment sur mktime et gensub ?

Merci encore pour votre aide,
Johann

**CosmoKnacki** · 07/06/2018, 16h21

Ta deuxième version ne marche pas car le deuxième paramètre de strftime doit être au format temps UNIX (secondes depuis le 1/1/1970), tu peux l'obtenir grâce à mktime en lui passant un format YYYY MM DD hh mm ss:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
#!/usr/bin/awk -f
 
BEGIN {
    dtpat="^....|..\\B"
    OFS=FS=";"
}
{
    gsub(dtpat, "& ", $3)
    gsub(dtpat, "& ", $4)
 
    $3=strftime("%A", mktime($3" 0 0 0"))
    $4=strftime("%d/%m/%Y", mktime($4" 0 0 0"))
}1

**disedorgue** · 07/06/2018, 16h39

Je ne suis pas étonné que ça soit plus rapide, ici on utilise une lib alors que la version avec date crée un processus pour chaque appelle à la commande qui soi-dit en passant, appelle certainement la même lib.

Pour les explications, dans le man de gawk:

Fonctions de Temps

Puisqu'une des utilisations principales des programmes AWK est le traitement de fichiers journaux qui contiennent des informations d'horodate, gawk fournit les deux fonctions suivantes pour l'obtention des horodates et leur formatage.

mktime(spéc-date)
Convertit spéc-date en une horodate de la même forme que celle retournée par systime(). La spéc-date est une chaîne de la forme AAAA MM JJ HH MM SS[ DST] (Daylight Saving Time). Le contenu de la chaîne est constitué de six ou sept nombres représentant respectivement l'année complète en incluant le siècle, le mois entre 1 et 12, le jour du mois entre 1 et 31, l'heure de la journée entre 0 et 23, la minute entre 0 et 59, la seconde entre 0 et 59, et un drapeau optionnel « daylight saving » (changement horaire lors du passage à l'heure d'été).

Les valeurs de ces nombres ne doivent pas forcément se situer dans les intervalles spécifiés ; par exemple, une heure de -1 signifie 1 heure avant minuit. Le calendrier grégorien avec origine zéro est implicitement utilisé, avec l'année 0 précédant l'année 1, et l'année -1 précédant l'année 0. L'heure est supposé être exprimée dans le fuseau horaire local. Si le drapeau de changement horaire est positif, l'heure est supposée être l'heure d'été ; s'il est nul, l'heure est supposée être l'heure standard ; et, s'il est négatif (le défaut), mktime() essaiera de déterminer si l'heure d'été a cours pour l'heure spécifiée. Si spéc-date ne contient pas assez d'éléments ou si l'heure résultante est hors borne, mktime() renvoie -1.
strftime([format [, horodate]])
Formate l'horodate en fonction de la spécification de format. L'horodate devrait être de la même forme que celle renvoyée par systime(). Si horodate manque, l'heure du jour courante est utilisée. Si format n'est pas présent, un format par défaut équivalent à la sortie de date(1) est utilisé. Voyez la spécification de la fonction strftime() du C ANSI pour savoir quelles conversions de format sont garanties être disponibles. Une version du domaine public de strftime(3) et la page de manuel qui l'accompagne sont livrées avec gawk ; si cette version a été utilisée pour construire gawk, alors toutes les conversions décrites dans cette page de manuel sont disponibles pour gawk.
systime()
Renvoie l'heure actuelle sous forme du nombre de secondes écoulées depuis le début de l'Epoch (le 1er Janvier 1970 à minuit GMT sur les systèmes POSIX).

Si on résume:
-mktime() convertie une date au format "AAAA MM JJ HH MM SS[ DST]" en une horodate du même format retourné par systime().
-strftime() formate une horodate de format systime() (et donc mktime() ) en fonction de la spécification du format.

Et le gensub(), n'est là que pour transformer ta chaine AAAAMMJJ en AAAA MM JJ 00 00 00 qui est le format reconnu par mktime.

D'ailleurs, pour le champs 4 ($4), pas besoin de strftime et mktime, un $4=gensub(/(....)(..)(..)/,"\\3/\\2/\\1","g",$4) serait suffisant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F\; 'BEGIN{OFS=FS}{$3=strftime("%A", mktime(gensub(/(....)(..)(..)/,"\\1 \\2 \\3 00 00 00","g",$3)), 0);$4=gensub(/(....)(..)(..)/,"\\3/\\2/\\1","g",$4)}1' fichier

PS: Ce qui me fait remarqué une typo dans le awk de mon post précédent (je modifie le champs 3 avec la donnée du champs 4)

[AWK] - Parser un fichier texte avec awk

Shell et commandes GNU

Discussions similaires

Partager

Partager