基于Bash Cygwin提取日志START-END间指定值，缺失补NA

针对你需要从logfile.txt的START/END块中提取指定标签值、缺失值填充NA的需求，我写了一个awk脚本，能完美适配你的场景，在Cygwin环境下直接就能运行。

执行脚本 #

把下面的代码保存成extract_values.sh（或者直接在命令行运行）：

awk '
BEGIN {
    # 按期望的输出顺序定义需要提取的标签
    labels[1] = "label1"; labels[2] = "label2"; labels[3] = "label3"
    labels[4] = "label4"; labels[5] = "label5"; labels[6] = "label6"
    num_labels = 6
    output = ""
}

/^START$/ {
    # 进入新块时，先把所有标签值初始化为NA
    for (i=1; i<=num_labels; i++) {
        current[labels[i]] = "NA"
    }
    in_block = 1
    next
}

/^END$/ {
    # 块结束时，按顺序拼接当前块的所有值到输出字符串
    for (i=1; i<=num_labels; i++) {
        output = output current[labels[i]] " "
    }
    in_block = 0
    next
}

in_block {
    # 在块内遍历字段，成对处理标签和对应值
    for (i=1; i<=NF; i+=2) {
        if (i+1 <= NF && $(i) in current) {
            current[$(i)] = $(i+1)
        }
    }
}

END {
    # 移除末尾多余空格，写入结果文件
    sub(/ $/, "", output)
    print output > "output.txt"
}' logfile.txt

然后在Cygwin终端运行：

chmod +x extract_values.sh
./extract_values.sh

脚本工作原理 #

1. 初始化阶段（BEGIN块）：先定义好我们需要提取的标签顺序，确保输出和你期望的一致，同时初始化存储结果的字符串。
2. 处理START标记：每次遇到START，就把当前块的所有标签值重置为NA，标记我们进入了一个新的日志块。
3. 处理END标记：当遇到END时，按预先定义的标签顺序，把当前块的所有值拼接到最终输出字符串里，然后退出块内处理模式。
4. 块内字段处理：在START和END之间的行，我们每两个字段为一组（标签+对应值），如果这个标签是我们需要提取的，就用实际值覆盖之前的NA。
5. 最终输出（END块）：最后去掉输出字符串末尾多余的空格，把结果写入output.txt。

验证结果 #

运行脚本后，output.txt的内容会和你期望的完全一致：

valueA valueB valueC valueD valueE valueF valueG NA valueH NA NA valueI valueJ NA NA NA NA valueK

内容的提问来源于stack exchange，提问作者pawana