お題

以下のサンプルファイルから7行目が T の行のみを抽出する
以下のサンプルファイルから7行目が F を行のみを抽出する

サンプルファイル

2018-11-14T02:37:34.399Z,35125321,,,,,T,4211421,463412,4214343534,424321,
2018-11-14T02:37:35.399Z,35125321,,,,,T,4211421,412412,42576434,424321,
2018-11-14T02:37:36.399Z,34135321,,,,,F,421221,41762,4246534,4241,
2018-11-14T02:37:37.399Z,354535321,,,,,T,4211421,412,421434,424321,
2018-11-14T02:37:38.399Z,34135321,,,,,F,421221,41762,4246534,41,
...
...
...
3万行
...

特徴
- , 区切りのCSVファイル
- 1行目に列名はない
- TとFが出現する場所は7列目に固定されている
- 1列目は T Z を含むタイムスタンプ

最悪の選択肢を選ぶ

上記のタスクを上司から振られたらどうしますか？
普通だったら、grepでいけそうですよね。以上ですよね。

ここで馬鹿な私は普通にatom開いて、shellscriptを書き始めました。あんまりshell書いた経験ないのに。
1時間以上かけた。
grepなら2分だろうな(考える時間も込みで)

作ってしまったのは仕方ないので、二度と同じ失敗をしないようにしたい。
間違えてしまったのはなぜだ。明らかに 2分で終わるタスクを1時間もかけたこと はエンジニアとしてよくないことだ。
おそらくfile形式がcsvであるので、エクセルで処理した方がもっと早かっただろう。
なぜ、シェルスクリプトを書く方法しか思いつかなかったのだろう。
筋の悪い解法を選ばないために、何ができるのだろう っていう問題に帰着できるだろう。
これはもう少し考えて、別の記事にしたい。というか今は できる先輩に相談する くらいしか思いつかない。

ググる のはどうだろう? 検索キーワードを打ち込むまで解法が思いついていないと意味がない気がする。
csvファイル　該当文字列行　抽出 とかで調べてしまうだろう。良い解法にたどり着けるかはちょっと自信ないな。

シェルスクリプト書くの難しかったな。
変数を使うのが $((変数名)) , ${変数名} だったりする。違いなに？基本的なことを勉強できていない証拠だ。 (今度勉強して記事にしよう)

出来上がったシェルスクリプト

動作確認した環境はMacOS High Sierra

shellscript

#! /bin/bash

# set -x
echo $1
sorcefilepath=$1

echo $2
targetfile=$2

cat $1 | while read row;
do
  flag=$(echo ${row} | cut -d',' -f7)
  # echo $flag

  # echo $((row)) | cut -d',' -f7 | read flag;
  # echo $((flag))
  if [ ${flag} = "T" ]
  then
    # echo $row
    echo $row >> ${targetfile}
  fi
  # echo normal
done

実行時間

実行結果

$ time sh ./csv_allocate.sh sample.csv newfile.csv
sample.csv
newfile.csv

real    4m15.998s
user    1m20.583s
sys 2m50.077s

おっっそ。なんでやねん。

grepの奇跡

やっと
grepでできるやん
ってひらめいた。
普段よくgrepは使うのに、なんで第一候補に出て来なかったんだorz

実行結果2

$ time grep -v F sample.csv > newfile2.csv

real    0m0.065s
user    0m0.030s
sys 0m0.015s

はっや。コマンド叩いた瞬間に結果返ってきた。

これから調べたいこと

なぜgrepが速いのか
shellの変数の使いかた