请教shell脚本筛选日志命令

本帖最后由 Tennessee3Waltz 于 2011-03-20 14:28 编辑

本人是shell菜鸟，碰到一个筛选日志的问题，脚本写不出来，请教论坛里的同行。
源文件是： 现在目标是写shell指令，把红色部分提出出来：
<a class="name" name="suite_C-plane.CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO" title="C-plane.CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO">CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO</a>
<td class="msg">error: (10060, 'Operation timed out')</td>
<a class="name" name="suite_C-plane.CN4240-TD LTE CP Counters Paging 20M SISO" title="C-plane.CN4240-TD LTE CP Counters Paging 20M SISO">CN4240-TD LTE CP Counters Paging 20M SISO</a>
<td class="msg">IndexError: list index out of range</td>
<a class="name" name="suite_C-plane.CN4240-TD LTE CP Counters S1 SETUP 20M SISO" title="C-plane.CN4240-TD LTE CP Counters S1 SETUP 20M SISO">CN4240-TD LTE CP Counters S1 SETUP 20M SISO</a>
<td class="msg">'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']'</td>
<td class="msg">'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']'</td>
<td class="msg">IndexError: list index out of range</td>

问题一：
我会写出每行提出的东西，比如第一行的筛选命令：awk 'BEGIN {FS="\""} {print $4}' | awk 'BEGIN {FS="."} {print $2}'；我也会写第二行的筛选命令。可是这两套筛选标准的命令不一样，我如何对所有行写一个命令？

问题二：
代码中每一个class=“name”下的下一行可能有多行的class=“msg”，我只需要取多个msg中的第一行。我如何做到呢？

问题三：
代码输出时我想加点注释再输出，比如：
SUITE NAME：CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO；
ERROR MASSAGE：error: (10060, 'Operation timed out')；
SUITE NAME：CN4240-TD LTE CP Counters Paging 20M SISO；
ERROR MASSAGE：IndexError: list index out of range；
红色部分为注释。每行的注释我也还是会加，但是奇数行和偶数行的注释不一样怎么办呢？

问完了，问了这么多问题。好期待有高手帮我解答:em21: 会有人解答吗？

try:

还可以再简化下
awk -v RS="<a|</td|<td class=\"msg\">" -v FS="C-plane.|\"|>|" '/class="name"/{print "SUITE NAME: "$8";";getline v;print "ERROR MASSAGE: "v";"} ' file

本帖最后由 Tennessee3Waltz 于 2011-03-20 14:52 编辑

回复 yinyuemi
你真是太棒了，这么快就写好了。为了用你的指令，我正在apt-get install gawk。
我有一个扩展的问题：
假如经过了刚才的处理后得到的输出是： 即下面红色为重复的MASSAGE：
SUITE NAME: CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO;
ERROR MASSAGE: error: (10060, 'Operation timed out');
SUITE NAME: CN4240-TD LTE CP Counters Paging 20M SISO;
ERROR MASSAGE: IndexError: list index out of range;
SUITE NAME: CN4240-TD LTE CP Counters S1 SETUP 20M SISO;
ERROR MASSAGE: 'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']';
SUITE NAME: CN4240-TD LTE CP Counters S1 SETUP 10M MIMO;
ERROR MASSAGE: 'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']';
SUITE NAME: CN4240-TD LTE CP Counters Paging 20M MIMO for CP;
ERROR MASSAGE: IndexError: list index out of range;
SUITE NAME: CN4240-TD LTE CP Counters S1 SETUP 15M MIMO ENB EPS BEARE;
ERROR MASSAGE: 'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']';

你看现在这些信息中有的ERROR MASSAGE是重复的（SUITE NAME不会重复），我们先定义把SUITE NAME和ERROR MASSAGE叫做一对。若ERROR MASSAGE有重复的，则不再输出，并且相应成对的SUITE NAME也不输出。因为我只要是统计有哪些出错类型。即，希望输出是：
SUITE NAME: CN4240-TD LTE CP Counters ENB EPS BEARER REL REQ RNL RLF 20M SISO;
ERROR MASSAGE: error: (10060, 'Operation timed out');
SUITE NAME: CN4240-TD LTE CP Counters Paging 20M SISO;
ERROR MASSAGE: IndexError: list index out of range;
SUITE NAME: CN4240-TD LTE CP Counters S1 SETUP 20M SISO;
ERROR MASSAGE: 'D:\TestCase\trunk\log\UDPLog_Thu_Mar_17_23_21_28_2011.log' does not contain '[u'now OnAir', u'PBCH']';
该如何做到呢？

sed只提取 其他的没有处理

:a
/<a class=/, /<\/a>/{
   s/.*suite_C-plane\.\([^"]*\)" title=".*/\1/;
   ta
}

/<td class=/, /<\/td>/{
  s/.*class="msg">\([^<]*\)<.*/\1/;
  ta
}

想要错误不重复， 只要将取出来的值 作为数组的下标 然后判断是否有该下标就ok了

回复 chenbin200818
谢谢你的回复，这里真是高手如云啊。能不能麻烦把代码写一下呢？我不知道该怎么写呢。