Cómo parecer un guru UNIX - Haciendo búsquedas en streams

Una de las herramientas más útiles entre las disponibles en UNIX, y la que probablemente usarás más es el comando ‘grep’. Esta herramienta hace coincidir expresiones regulares (que incluye palabras simples) y muestra las líneas resultantes.

El uso más simple permite buscar cierta secuencias de caracteres en un conjunto de arhivos. A continuación un ejemplo que busca cualquie referencia a la palabra System en los archivos java del directorio actual.

grep System *.java

Encontrarás que la expresión regular ‘.’ es bastante útil. Hace coincidir cualquier caracter único pero es típicamente combinado con el asterisco, que coincide cero o más del ítem que precede. Es importante encerrar la expresión dentro de comillas simples. El siguiente ejemplo, busca cualquier referencia a una página dentro de forum en el archivo log del servidor:

$ grep '/forum/.*' /home/public/cs601/unix/access.log

o de forma equivalente:

$ cat /home/public/cs601/unix/access.log | grep '/forum/.*'

La segunda forma es útil cuando se quiere procesar un conjunto de archivos como un sólo stream:

cat /home/public/cs601/unix/access*.log | grep '/forum/.*'

Si quieres buscar un string al principio de una línea puedes usar el ‘^’:

$ grep '^195.77.105.200' /home/public/cs601/unix/access*.log

Esto encontrará todas las líneas que comienza con la dirección IP 195.77.105.200, en todos los logs de acceso.

Si quieres invertir la coincidencia de patrones para encontrar líneas que no coinciden con un patrón, puedes usar el parámetro ‘-v’. Aquí hay un ejemplo donde se buscan referencias a GETs que no sean imágenes dentro de un archivo log:

$ cat /home/public/cs601/unix/access.log | grep -v '/images'

Ahora supongamos que tienes un archivo log del servicio http y te gustaría filtrar las solicitudes de páginas hechas por robots web (indexadores web de diferentes buscadores). Si tienes un archivo llamado spider.IPs, podrías encontrar todos los accesos que no sean de los robots mediante:

$ cat /home/public/cs601/unix/access.log | grep -v -f /tmp/spider.IPs

Finalmente, para ignorar la diferenciación entre mayúsculas/minúsculas de los stream de entrada, usar el parámetro ‘-i’.