ウェブサーバのログなどは、独自にログのフォーマットを調整している場合は別ですが、空白で区切られている場合が多いですね。その中に、ダブルクオーテーションや[]で括られている日付フィールドなどが出てきます。
空白ではなくタブ区切りであれば、awkでフィールドごとに処理するのが簡単になりますが、そうではない場合でも、GNU awkの場合だとFPATを用いることで対応が簡単になります。
sedなどでログをタブ区切りに変換するのも一つの手ではありますが、空白区切りやカンマ区切りのデータをawkでそのまま扱いたい場合、下記のようなFPAT指定で対応できます。
ダブルクォーテーションで区切られている箇所を１つのフィールドとして扱いたい
FPATについて
Field Patternの略でしょうか？
FPATを用いる場合は、FS、FIELDWIDTHSは同時には扱えません。12
空白区切り
awk -v FPAT='[^ ]*|\"[^\"]*\"'
awk -v FPAT='[^[:space:]]*|\"[^\"]*\"'
カンマ区切り
awk -v FPAT='[^,]*|\"[^\"]*\"'
タブ区切り
awk -v FPAT='[^\t]*|\"[^\"]*\"'
日付が[]で括られている場合
httpdのログで、見かける形式。
- アクセス日付が[]で括られる。
- リクエスト部分やユーザーエージェントが""で括られている。
空白区切り
awk -v FPAT='[^ ]*|\"[^\"]*\"|\\[([^\\[\\]])*\\]'
カンマ区切り
awk -v FPAT='[^,]*|\"[^\"]*\"|\\[([^\\[\\]])*\\]'
タブ区切り
awk -v FPAT='[^\t]*|\"[^\"]*\"|\\[([^\\[\\]])*\\]'
awk -v FS="\t"
awkでタブ区切りに変換する場合
空白区切り
awk -v FPAT='[^ ]*|\"[^\"]*\"|\\[([^\\[\\]])*\\]' 'BEGIN{OFS="\t"}{$1=$1;print}'
カンマ区切り
awk -v FPAT='[^,]*|\"[^\"]*\"|\\[([^\\[\\]])*\\]' 'BEGIN{OFS="\t"}{$1=$1;print}'
$1=$1は、OFSを$0に反映させるための、おまじないです。3
補足
正規表現でアスタリスクを(*)指定しているのは、0文字のフィールドへの対応です。
タブ区切りへの変換ではなく、カンマ区切りから空白区切りに変換する場合には、０文字のフィールドをダブルクオーテーションで括るなどの配慮が必要でしょう。
またタブ区切りのデータをawkで扱う場合、FS='\t'を指定しましょう。
0文字のフィールドがある場合に、タブが連続で出現します。FSを指定しない場合、連続したタブは連続した空白と同じく一つの区切りとみなされ、フィールドがずれるので注意が必要です。
参考サイト