☰

Extraia uma ocorrência de um padrão do arquivo

tag-icon • tag-icon regular-expression
Extraia uma ocorrência de um padrão do arquivo

Tenho um arquivo grande contendo logs semelhantes ao mostrado abaixo. Gostaria de encontrar todas as transações (TR#) que foram afetadas pelo erro. Preciso extrair uma ocorrência de cada TR# ID.

Como eu poderia fazer isso?

    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

Saída necessária:

    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

Responder1

Isso é muito simples de fazer em awk:

$ awk 'c[$5]++==1' file 
Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

Ou, em Perl:

$ perl -ane '$k{$F[4]}++==1 && print' file 
Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

O acima assume que o número antes de cada um TR#IDfaz parte do ID. Se os números podem mudar, mas você só precisa de um deles, use isto:

$ awk -F'[:.]' 'c[$7]++==1' file

ou

$ perl -F'[:.]' -ane '$k{$F[6]}++==1 && print' file

Responder2

Para obter e imprimir a primeira ocorrência de cada mensagem, tente

awk '! m[$5] {m[$5]=$0} END{for (e in m) print m[e]}'

Tornei os carimbos de data e hora do seu exemplo sequenciais para testá-lo (e também corrigi o valor do erro truncado final):

$ awk '! m[$5] {m[$5]=$0} END{for (e in m) print m[e]}' tr2.log
Apr 30 16:51:27.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
Apr 30 16:51:31.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

Com agradecimentos a @terdon

Responder3

Aqui está um script perl que faz o que você deseja:

#!/usr/bin/perl

#Read each line
while ($line = <>) {
  # Extract the transaction ID by looking for the text TR followed by digits
  ($trid) = $line =~ /.*(TR#\d+).*/ ;
  # If we've not seen the ID before, print it out
  unless ($trids{$trid}) {
    print $line;
  }
  # Remember the ID so we don't print it out again
  $trids{$trid} = 1;
}

Quando eu chamo usando sua entrada, é isso que recebo:

temeraire:ul jenny$ ./extract.pl in.txt 
    Apr 30 16:51:29.574 application.crit: [6104]:TR#14. Transaction send can not be sent. Error Code: 704
    Apr 30 16:51:29.574 application.crit: [6104]:TR#238. Transaction send can not be sent. Error Code: 704

Responder4

Através do GNU sed, roubado deesseEntão responde,

sed '$!N; /^\(.*\)\n\1$/!P; D' file

informação relacionada