Ejercicio resuelto: contar, filtrar y resumir un fichero en Bash

La solución se divide en dos partes bien separadas. Bash se ocupa de la interfaz: lee las opciones, valida y decide si la invocación es correcta. Una única pasada de awk se ocupa de los datos: clasifica cada línea, acumula por usuario y emite el resultado. Un sort seguido de un cut pone las líneas en su sitio.

Fijar LC_ALL=C al principio no es un adorno. Hace que los rangos [a-z] de las expresiones regulares y el orden de sort se comporten igual en cualquier máquina, que es lo que exige el enunciado al hablar de orden de bytes.

#!/usr/bin/env bash
# Resumen de uso de laboratorios: main.sh [-s SALA] [-m MINUTOS] < registro
set -u
export LC_ALL=C

uso() {
    echo "uso: main.sh [-s SALA] [-m MINUTOS]" >&2
    exit 2
}

sala=""
minimo=0
while getopts ":s:m:" opt; do
    case "$opt" in
        s) sala="$OPTARG" ;;
        m) minimo="$OPTARG" ;;
        *) uso ;;
    esac
done
shift $((OPTIND - 1))

[ "$#" -eq 0 ] || uso
[[ "$minimo" =~ ^[0-9]+$ ]] || uso

awk -F: -v sala="$sala" -v minimo="$minimo" '
BEGIN { umbral = minimo + 0 }
/^[ \t]*$/ || /^#/ { next }
NF != 3 || $1 !~ /^[a-z0-9]+$/ || $2 !~ /^[A-Za-z0-9]+$/ || $3 !~ /^[0-9]+$/ {
    invalidas++
    next
}
sala != "" && $2 != sala { next }
{
    registros++
    total += $3
    minutos[$1] += $3
    sesiones[$1]++
}
END {
    for (u in minutos) {
        if (minutos[u] >= umbral) {
            printf "1\t%s %d %d\n", u, minutos[u], sesiones[u]
            mostrados++
        }
    }
    printf "2a\tregistros: %d\n", registros
    printf "2b\tinvalidas: %d\n", invalidas
    printf "2c\ttotal: %d\n", total
    printf "2d\tusuarios: %d\n", mostrados
}' | sort | cut -f2-

Opciones. La cadena ":s:m:" declara que -s y -m llevan valor. Los dos puntos iniciales activan el modo silencioso: ante una opción desconocida, getopts deja ? en opt, y ante una opción sin valor deja :. Ambos casos caen en la rama *) y llaman a la función uso, que escribe en la salida de error y termina con código 2. Como getopts no exige un orden, la invocación con -m 45 -s L1 del cuarto test funciona igual que en el orden inverso.

Validación previa. Tras shift $((OPTIND - 1)), en $@ solo quedan los argumentos que no son opciones. Este script no admite ninguno, porque los datos llegan por la entrada estándar, así que [ "$#" -eq 0 ] rechaza los sobrantes. La prueba [[ "$minimo" =~ ^[0-9]+$ ]] evita que un valor como -m diez llegue a awk. Allí se convertiría silenciosamente en 0 y el script daría un resultado erróneo sin avisar.

Clasificación de líneas. En awk, cada línea recorre las reglas de arriba abajo y next corta el recorrido. La primera regla descarta las líneas en blanco y los comentarios. La segunda comprueba que hay exactamente tres campos y que cada uno encaja con su patrón. Si algo falla, incrementa invalidas. En el ejemplo, ana-lopez falla por el guion y dani:L3:abc falla por los minutos, de ahí invalidas: 2. Solo entonces se aplica el filtro de sala. Por eso los tests con -s L1 siguen mostrando 2 inválidas.

Acumulación. Cada registro que sobrevive suma a los contadores globales registros y total y a los arrays asociativos minutos y sesiones, indexados por usuario. La expresión $3 se trata como número al sumarla, de modo que 007 cuenta como 7, como se ve en el último test. El umbral se convierte a número en BEGIN (umbral = minimo + 0) para que la comparación sea numérica y no de cadenas.

Salida ordenada. En END se recorren los usuarios y se imprimen los que cumplen minutos[u] >= umbral, contándolos en mostrados. Cada línea va decorada con la clave 1 y un tabulador. Las del resumen llevan las claves 2a a 2d. El sort ordena la salida completa: las líneas que empiezan por 1 quedan delante de las que empiezan por 2, y dentro de ellas manda el nombre. En C, el espacio precede a cualquier dígito, así que ana sale antes que ana2. Finalmente, cut -f2- elimina la clave.

Casos límite. Con la entrada vacía, awk no procesa ninguna línea, pero sí ejecuta END. Las variables no inicializadas valen 0 con %d, así que salen las cuatro líneas a cero, como pide el test correspondiente. Fíjate también en que total no depende del umbral: en el ejemplo, carla no aparece porque solo acumula 45 minutos, pero sus 45 minutos sí están en total: 210.