使用awk标准化日志数据

Posted 2023-01-20

Hellow伙计们！

我正在从需要提交给管理人员的日志文件中解析数据。日志遵循以下结构：

USER    DATE    LOGIN
USER    DATE    LOGIN       *single tab between DATE and LOGIN
USER    DATE        LOGOUT  *double tab between DATE and LOGIN
USER    DATE    LOGIN       
USER    DATE        LOGOUT  
USER    DATE    LOGIN       
USER    DATE        LOGOUT  
USER    DATE        LOGOUT  
USER    DATE        LOGOUT  

几乎所有内容都已经达到我需要的格式，例如：

adriana 20200101    10:20:00
adriana 20200101    10:30:00
adriana 20200101        10:40:00

连续两次登录意味着连接丢失。现在，我们不知道连续注销对调查意味着什么。

我需要对此数据进行一点标准化，以便在我编写的其余脚本中更有用。

我需要：

对于相同的用户和日期，在连续的LOGINS上：在每个事件之间添加一个新行，具有与前一行相同的内容，但是将LOGIN替换为LOGOUT。对于相同的USER和DATE，在连续的LOGOUTS上：在每个事件之间添加一个新行，并具有与前一行相同的内容，但将LOGOUT替换为LOGIN。

示例：

adriana 20200101    10:20:00
adriana 20200101    10:30:00
adriana 20200101        10:40:00
adriana 20200101        10:50:00

应成为：

adriana 20200101    10:20:00
adriana 20200101        10:20:00
adriana 20200101    10:30:00
adriana 20200101        10:40:00
adriana 20200101    10:40:00
adriana 20200101        10:50:00

我正在尝试使用AWK进行此操作，但是我不确定这是否是正确的工具。直到现在，我一直手动进行操作，但是在第3000行之后，我很累。还有12,000行。

有人可以协助我指出我要学习的方向吗？

提前感谢！

答案

awk进行救援！

$ awk 'BEGINFS=OFS="\t" 
       p==NFprint p1, (p==2?OFS:"") pn1; 
            p=NF; pn=$NF; p1=$1' file

adriana 20200101        10:20:00
adriana 20200101                10:20:00
adriana 20200101        10:30:00
adriana 20200101                10:40:00
adriana 20200101        10:40:00
adriana 20200101                10:50:00