Como fazer o Gawk funcionar com arquivos encontrados pelo comando “find” com a saída correspondente da opção “-printf” disponível como uma variável?

O que é impresso pelo seu findcomando não é passado para gawk. Se você quiser passar algo para gawko canal de saída de findpara gawke deixar gawko processo processar, provavelmente seria melhor. Você obteria os nomes dos arquivos e seus tamanhos da entrada padrão e poderia ler o conteúdo de cada arquivo com getlinepara impressão. Essa solução também evitaria loops de shell lentos; haveria apenas um único awk.

Um possível problema ao listar nomes de arquivos finde processá-los com outras ferramentas é que os nomes de arquivos podem conter qualquer caractere, incluindo espaços e novas linhas, exceto caracteres NUL (e /para nomes base de arquivos).

Como você usa o GNU awk, que suporta caracteres NUL como separadores de campo, você poderia alimentá-lo com uma findsaída separada por NUL, por exemplo, uma alternância de nomes e tamanhos de arquivo. Isso resolveria todos os possíveis problemas com nomes de arquivo contendo espaços, quebras de linha...

LC_ALL=en_US.utf8;
find "/d/ir" -name "file*.txt" -type f -printf "%p\0%s\0" |
awk -v FS='\0' '
  {
    for(i = 1; i < NF; i += 2)
      while((getline line < $i) > 0)
        print line ";" $i "," $(i+1)
  }'

Se você realmente quiser um separado gawkpor arquivo, também pode obter o tamanho do statutilitário. Exemplo em que gawkimprime a primeira linha de cada arquivo, seguida do nome e tamanho. Para melhor legibilidade, colocamos o gawkscript em uma função bash:

foo() {
  gawk -v s=$(stat -c %s "$1") '{print $0 ";" FILENAME "," s}' "$1"
}
export -f foo

LC_ALL=en_US.utf8;
find "/d/ir" -name "file*.txt" -type f -exec bash -c 'foo "$1"' _ {} \;

Variante com execdir ... {} +:

foo() {
  for f in "$@"; do
    gawk -v s=$(stat -c %s "$f") '{print $0 ";" FILENAME "," s}' "$f"
  done
}
export -f foo

LC_ALL=en_US.utf8;
find "/d/ir" -name "file*.txt" -type f -execdir bash -c 'foo "$@"' _ {} +

Usando qualquer awk:

find 'd/ir' -name 'file*.txt' -type f -printf '%s %p\n' |
awk '
    {
        size = $1
        sub(/[^ ]+ /,"")
        file = $0
        while ( (getline line < file) > 0 ) {
            print line ";" file "," size
        }
        close(file)
    }
'
A;d/ir/file1.txt,5
BC;d/ir/file1.txt,5
D;d/ir/file2.txt,9
EF;d/ir/file2.txt,9
GHI;d/ir/file2.txt,9

Defina LC_ALLcomo quiser, pois isso não afeta a lógica. Consulte http://awk.freeshell.org/AllAboutGetline para obter mais informações sobre como usar getline.

Acho que o problema é que você está tentando usar -printfa saída como parâmetro para o gawk, mas não é assim que funciona. Sua abordagem original não funcionará porque -printfapenas imprime na saída padrão — não define nenhuma variável que o gawk possa acessar. E $7em gawk, refere-se ao 7º campo de cada linha de entrada, não às variáveis ​​do shell.

Talvez tente isto:

find "/d/ir" -name "file*.txt" -type f -exec sh -c '
    for file do
        metadata=$(find "$file" -printf "%p,%s")
        gawk -v str="$metadata" '"'{print $0 \";\" str}'"' "$file"
    done
' sh {} \+

Acredito que esta solução captura os metadados de cada arquivo em uma variável e os passa para o gawk corretamente. Isso \+garante que os arquivos sejam processados ​​em lotes para melhor desempenho.

Ou uma abordagem alternativa é usar um arquivo de script separado para o gawk ou usar um estilo heredoc;

find "/d/ir" -name "file*.txt" -type f -exec sh -c '
    for file do
        metadata=$(find "$file" -printf "%p,%s")
        gawk -v str="$metadata" -f - "$file" << "EOF"
{print $0 ";" str}
EOF
    done
' sh {} \+

Espero que isso funcione para você.

(nome do arquivo, tamanho do arquivo)

Você pode obter informações sobre o arquivo, incluindo seu tamanho, usando statapós carregar filefuncs . Por exemplo

awk '@load "filefuncs";ENDFILE{stat(FILENAME,arr);print FILENAME,arr["size"]}' *.txt

imprimirá o nome do arquivo seguido pelo seu tamanho (em bytes) de todos os arquivos txt no diretório de trabalho atual. Não sei quão rápido ele é comparado a find, então teste você mesmo e escreva sobre os resultados.

(testado no GNU Awk 5.3.1)