如何使用 bash 从序列中列出缺失整数

Question

我有一个文件，比如说 files_190911.csv，其内容如下。

EDR​​_MPU023_09_20190911080534.csv.gz
EDR_MPU023_10_20190911081301.csv.gz
EDR_MPU023_11_20190911083544.csv.gz
EDR_MPU023_14_20190911091405.csv.gz
EDR_MPU023_15_20190911105513.csv.gz
EDR_MPU023_16_20190911105911.csv.gz
EDR_MPU024_50_20190911235332.csv.gz
EDR_MPU024_51_20190911235400.csv.gz
EDR_MPU024_52_20190911235501.csv.gz
EDR_MPU024_54_20190911235805.csv.gz
EDR_MPU024_55_20190911235937.csv.gz
EDR_MPU025_24_20190911000050.csv.gz
EDR_MPU025_25_20190911000155.csv.gz
EDR_MPU025_26_20190911000302.csv.gz
EDR_MPU025_29_20190911000624.csv.gz

我想列出那些使用 bash 脚本的缺失序列。
每个 MPUXXX 都有自己的序列。所以该文件中有多个序列。
缺失列表的日期时间将使用前一个序列。
从上面的示例中，结果将是这样的。

EDR​​_MPU023_12_20190911083544.csv.gz
EDR_MPU023_13_20190911083544.csv.gz
EDR_MPU024_53_20190911235501.csv.gz
EDR_MPU025_27_20190911000302.csv.gz
EDR_MPU025_28_20190911000302.csv.gz

如果只有一个序列会更简单。 所以我可以使用这样的东西。

awk '{for(i=p+1; i<$1; i++) print i} {p=$1}'

但我知道这不能用于多个序列。

Answer 1

已编辑（感谢@Cyrus！）

AWK 是你的朋友：

#!/usr/bin/awk

BEGIN {
    FS="[^0-9]*"
    last_seq = 0;
    next_serial = 0;
}

{
    cur_seq = $2;
    cur_serial = $3;
    if (cur_seq != last_seq) {
        last_seq = cur_seq;
        ts = $4
        prev = cur_serial;
    } else {
        if (cur_serial == next_serial) {
            ts = $4;
        } else {
            for (i = next_serial; i < cur_serial; i++) {
                print "EDR_MPU" last_seq "_" i "_" ts ".csv.gz"
            }
        }
    }
    next_serial = cur_serial + 1;
}

然后你做：

$ < files_190911.csv awk -f script.awk 
EDR_MPU023_12_20190911083544.csv.gz
EDR_MPU023_13_20190911083544.csv.gz
EDR_MPU024_53_20190911235501.csv.gz
EDR_MPU025_27_20190911000302.csv.gz
EDR_MPU025_28_20190911000302.csv.gz

FS= 的赋值按正则表达式分割行。其余程序检测序列中的漏洞并使用适当的时间戳打印它们。