雨润心灵，哲思天下

手头的工作需要，要求将apache的请求日志信息按照某个特定的参数值进行统计，然后分文件（文件名即为特定的参数名，如对某个特定文件的请求而留下来的包含文件名的日志）存储计算结果。对于我这种linux脚本操作菜鸟来说，存在一个难点：如何抓出文件名，并且根据文件名分别计算（此处的计算简化为统计对不同文件名的请求次数），折腾了半天，成型的脚本如下：

cat log.txt | grep “.*hardwareid=1.*” | sed -e “s/hardwareid=\([0-9a-z]*\)&/#\1#/” | awk -F “#” ‘BEGIN{}{sum[$2]+=1;};END{for(tmp in sum) print tmp,sum[tmp]>tmp}’

对脚本进行简要分析：

1.cat log.txt 表示抓取要分析的文件到屏幕输出

2.grep 表示过滤条件，此处只输出hardwareid参数以1开头的行。

3.sed 是强大的文本处理工具，此处用正则表达式将hardwareid=****** 的地方替换成为#******#，为什么这样做呢？全都是为后续处理服务的。值得一提的是好像正则并不是同样的，而且相关的文档中还提到了sed特有的正则规则，需要引起重视，否则调试会很费时间，而且难以找到错误，在这里之前我用.{32}替换[0-9a-z]*就没有成功（从一般用法来讲，没错吧？）。

4.awka是一种样式扫描与处理工具，比sed更为强大，因为它是交互式的，在这里有一篇不错的文章介绍它，我也是看了文章才逐渐明白其作用和用法的。在上面的命令行中，awk干了这样的事情，首先将分隔符设置为#，因为默认的是空格，于是，和第3步联系起来，其实后面的$2取的便是******，后面的程序从字面上解释如下：统计每一个******值出现的次数（sum[$2]+=1），最后输出******值以及其出现次数，然后保存到名为******的文件中（>tmp）

这样，经过4步，便实现了最初的需求，对我这种需要从命令的含义来入手的菜鸟来说，花费的时间精力不少，其调试过程等等，都在摸索和积累经验，希望是个好的开端吧。