gawk/awk: fecha de la tubería para getline * algunas veces * no funcionará

Question

Estoy intentando convertir fechas de un formato a otro: De p. Ej. "29 de octubre de 2005" a 2005-10-29. Tengo una lista de 625 fechas. Yo uso Awk.

La conversión funciona, la mayoría de las veces. Hovewer, a veces la conversión no ocurrirá en absoluto, y la variable que se supone que contiene la fecha (convertida) permanece indefinida.

Esto siempre ocurre exactamente con las mismas filas. Ejecutar `fecha 'explícitamente (desde el shell Bash) en las fechas de esas filas extrañas funciona bien (las fechas se convierten correctamente). - No son los contenidos textuales de esas filas lo que importa.

¿Por qué este comportamiento y cómo puedo corregir mi script? Su
es:

awk 'BEGIN { FS = "unused" } { 
    x = "undefined"; 
    "date \"+%Y-%m-%d\" -d " $1 | getline x ; 
    print $1 " = " x 
}' uBXr0r15.txt \ 
> bug-out-3.txt 

Si desea reproducir este problema:

1. Descargar este archivo: uBXr0r15.txt.
2. Ejecute el Awr skript.
3. Buscar "indefinido" en bug-out-3.txt.
   ("indefinido" que se encuentra 122 veces, en mi equipo.)

entonces se podría ejecutar el script de nuevo, y (en mi equipo) insecto-hacia fuera-3.txt permanece sin cambios - exactamente el las mismas fechas quedan sin definir.

(versión 3.1.6 Gawk, Ubuntu 9.10.)

Saludos cordiales, Magnus

Answer 1

Siempre que abre un tubo o un archivo para leer o escribir en awk, este último comprobará primero (usando un hash interna) si ya dispone de una tubería o archivo con el mismo nombre (Sigue abierto; si es así, reutilizará el descriptor de archivo existente en lugar de volver a abrir la tubería o el archivo.

En su caso, todas las entradas que terminan como undefined son en realidad duplicados; la primera vez que se encuentran (es decir, cuando se emite por primera vez el comando correspondiente date "..." -d "...") se lee el resultado correcto en x. En sucesos posteriores de la misma fecha, getline intenta leer una segunda, una tercera línea etc. de la tubería original date, aunque la tubería se haya cerrado por date, lo que ocasiona que x ya no se asigne.

Desde el gawk hombre-página:

NOTA: Si se utiliza un tubo, co-proceso, o la toma de getline, o de impresión o printf dentro de un bucle, se debe utilizar cerca (a) para crear nuevas instancias del comando o socket. AWK no cierra automáticamente las tuberías, los zócalos o los coprocesos cuando devuelven EOF.

Usted debe explícitamente close el tubo cada vez que después de haber leído x:

close("date \"+%Y-%m-%d\" -d " $1) 

Por cierto, ¿Estaría bien a sort y uniquBXr0r15.txt antes del conexionado en awk, o necesita la orden original /¿duplicación?

Answer 2

Aunque Me encanta AWK no es necesario para esto.

tr -d '"' < uBXr0r15.txt | date +%Y-%m-%d -f -

Answer 3

gawk 'BEGIN{ 
     m=split("January|February|March|April|May|June|July|August|September|October|November|December",d,"|") 
     for(o=1;o<=m;o++){ 
      months[d[o]]=sprintf("%02d",o) 
     } 
     FS="[, ]" 
    } 
    { 
     gsub(/["]/,"",$1) 
     gsub(/["]/,"",$4) 
     t=mktime($4" "months[$1]" "$2" 0 0 0") 
     print strftime("%Y-%m-%d",t) 
    }' uBXr0r15.txt 

haciendo todo dentro de gawk será más rápido que llamar a comandos externos.