awk如何从文件中提取相关数据

Ienovo_qq

原始数据如下
<hgsdp:msisdn=8613508114561;
HLR SUBSCRIBER DATA

SUBSCRIBER IDENTITY
MSISDN           IMSI             STATE          AUTHD
8613508114561    460008131515578  CONNECTED      AVAILABLE

NAM  RID
0    2

PERMANENT SUBSCRIBER DATA
SUD
BAIC-1       BAOC-1       CAT-10       DBSG-1
NAM-0        OBR-2        OFA-0        OSB3-1
PWD-0000     SOCB-0       TS21-1       TS22-1
TSMO-0       DCSIST-0     GPRSCSIST-0  MCSIST-0
OCSIST-1     OSMCSIST-0   TCSIST-1     TSMCSIST-0
VTCSIST-0
SCHAR-0-0

AMSISDN            BS       BC
NONE

SUPPLEMENTARY SERVICE DATA
BSG
TS20
SS       STATUS        FNUM                 TIME
                       SADD
BAIC     NOT ACTIVE
BAOC     NOT ACTIVE

LOCATION DATA
VLR ADDRESS       MSRN            MSC NUMBER          LMSID
4-8613443526                      8613443526

SGSN NUMBER
4-8613746815

PACKET DATA PROTOCOL CONTEXT DATA
APNID   PDPADD                EQOSID  VPAA  PDPCH    PDPTY  PDPID
    1                          401    NO             IPV4    1
    2                          401    NO             IPV4    2
  118                          401    NO             IPV4    3
2026   10.219.102.249         401    NO             IPV4    4

END
<hgsdp:msisdn=8613890139534;
HLR SUBSCRIBER DATA

SUBSCRIBER IDENTITY
MSISDN           IMSI             STATE          AUTHD
8613890139534    460000113940503  CONNECTED      AVAILABLE

NAM  RID
1    2

PERMANENT SUBSCRIBER DATA
SUD
BAOC-1       BOIC-1       BOIEXH-1     BS3G-1
CAT-10       CAW-1        CFB-1        CFNRC-1
CFNRY-1      CFU-1        DBSG-1       HOLD-1
NAM-1        OBO-2        OBR-2        OFA-1
OSB3-1       PWD-0000     SOCB-0       SOCFB-0
SOCFRC-0     SOCFRY-0     SOCFU-0      TS21-1
TS22-1       DCSIST-0     GPRSCSIST-0  MCSIST-0
OCSIST-1     OSMCSIST-0   TCSIST-1     TSMCSIST-0
VTCSIST-0
SCHAR-0-0

AMSISDN            BS       BC
NONE

SUPPLEMENTARY SERVICE DATA
BSG
TS20
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE

BSG
BS30
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE
CAW      ACTIVE-OP
CFU      NOT ACTIVE
CFB      NOT ACTIVE
CFNRY    NOT ACTIVE
CFNRC    NOT ACTIVE

LOCATION DATA
VLR ADDRESS       MSRN            MSC NUMBER          LMSID
UNKNOWN

PACKET DATA PROTOCOL CONTEXT DATA
NONE

END
<hgsdp:msisdn=8613890139954;
HLR SUBSCRIBER DATA

SUBSCRIBER IDENTITY
MSISDN           IMSI             STATE          AUTHD
8613890139954    460000113940574  CONNECTED      AVAILABLE

NAM  RID
1    2

PERMANENT SUBSCRIBER DATA
SUD
BAOC-1       BOIC-1       BOIEXH-1     BS3G-1
CAT-10       CAW-1        CFB-1        CFNRC-1
CFNRY-1      CFU-1        DBSG-1       HOLD-1
NAM-1        OBO-2        OBR-2        OFA-1
OSB3-1       PWD-0000     SOCB-0       SOCFB-0
SOCFRC-0     SOCFRY-0     SOCFU-0      TS21-1
TS22-1       DCSIST-0     GPRSCSIST-0  MCSIST-0
OCSIST-1     OSMCSIST-0   TCSIST-1     TSMCSIST-0
VTCSIST-0
SCHAR-0-0

AMSISDN            BS       BC
NONE

SUPPLEMENTARY SERVICE DATA
BSG
TS20
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE

BSG
BS30
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE
CAW      ACTIVE-OP
CFU      NOT ACTIVE
CFB      NOT ACTIVE
CFNRY    NOT ACTIVE
CFNRC    NOT ACTIVE

LOCATION DATA
VLR ADDRESS       MSRN            MSC NUMBER          LMSID
UNKNOWN

PACKET DATA PROTOCOL CONTEXT DATA
NONE

END
<hgsdp:msisdn=8613881155434;
HLR SUBSCRIBER DATA

SUBSCRIBER IDENTITY
MSISDN           IMSI             STATE          AUTHD
8613881155434    460000133902486  CONNECTED      AVAILABLE

NAM  RID
0    2

PERMANENT SUBSCRIBER DATA
SUD
BAOC-1       BOIC-1       BOIEXH-1     BS3G-1
CAT-10       CAW-1        CFB-1        CFNRC-1
CFNRY-1      CFU-1        DBSG-1       HOLD-1
NAM-0        OBO-2        OBR-2        OFA-1
OSB3-1       PWD-0000     SOCB-0       SOCFB-0
SOCFRC-0     SOCFRY-0     SOCFU-0      TS11-1
TS21-1       TS22-1       TSMO-0       DCSIST-0
GPRSCSIST-0  MCSIST-0     OCSIST-1     OSMCSIST-0
TCSIST-1     TSMCSIST-0   VTCSIST-0
SCHAR-0-0

AMSISDN            BS       BC
NONE

SUPPLEMENTARY SERVICE DATA
BSG
TS10
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE
CAW      NOT ACTIVE
CFU      NOT ACTIVE
CFB      NOT ACTIVE
CFNRY    NOT ACTIVE
CFNRC    NOT ACTIVE

BSG
TS20
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     ACTIVE-OP
BOIEXH   NOT ACTIVE

BSG
BS30
SS       STATUS        FNUM                 TIME
                       SADD
BAOC     NOT ACTIVE
BOIC     NOT ACTIVE
BOIEXH   NOT ACTIVE
CAW      ACTIVE-OP
CFU      NOT ACTIVE
CFB      NOT ACTIVE
CFNRY    NOT ACTIVE
CFNRC    NOT ACTIVE

LOCATION DATA
VLR ADDRESS       MSRN            MSC NUMBER          LMSID
UNKNOWN

SGSN NUMBER
UNKNOWN

PACKET DATA PROTOCOL CONTEXT DATA
APNID   PDPADD                EQOSID  VPAA  PDPCH    PDPTY  PDPID
    1                          401    NO             IPV4    1
    2                          401    NO             IPV4    2
  118                          401    NO             IPV4    3
  901                          401    NO             IPV4    4

END
<hgsdp:msisdn=8613547146696;
HLR SUBSCRIBER DATA

SUBSCRIBER IDENTITY
MSISDN           IMSI             STATE          AUTHD
8613547146696                     NOT CONNECTED

主要提取用户号和SGSN NUMBER，得到如下结果
8613508114561 4-8613746815
8613890139534 blank
8613881155434 UNKNOWN
8613547146696 deadnum
烦请提供帮助，谢谢。

关阴月飞

<hgsdp:msisdn=XXX;
..
..
..
END

这样是一段么？

8613890139534 blank  这里的blank 是从哪来的？

Ienovo_qq

因为8613890139534的用户数据中无SGSN NUMBER
这行，就用blank填充。

关阴月飞

回复 3# Ienovo_qq


    8613547146696 deadnum   deadnum 又是哪冒出来的？

reyleon

1. awk 'BEGIN { RS="<"; FS="\n" } { for(i=1;i<=NF;i++)if($i~/^[ \t]*MSISDN|^[ \t]*SGSN NUMBER/){k=gensub(/^[ \t]*([^ ]*).*/,"\\1",1,$(i+1)); s=s?s" "k:k}if(s)print s;s="" } END {if(s)print s}' file

复制代码

Ienovo_qq

回复 4# 关阴月飞
因为这个号码8613547146696 的STATE为NOT CONNECTED 为空号，故结果为deadnum

   

关阴月飞

回复 6# Ienovo_qq


    牙膏挤完了没？还有什么要交待的？

Ienovo_qq

回复 5# reyleon


    我用的是gawk, windows7系统，结果不对。

Ienovo_qq

回复 7# 关阴月飞


    就这些了吧，我可能表达的不是很清楚，请大侠相助。

yestreenstars

8613890139954这个号码为什么没有出现在结果中？