Hoje eu fui brincar com as novidades que eu coloquei no Gerencial (coloquei uma seção dedicada a variáveis de local storage voltadas pra customização, sem ser toggle, tá bem legal!), e então acabei por abrir o índice do Computaria… e num é que tem muito artigo publicado?

Então lembrei do meu antigo plano de fazer um paginador por ano, que ainda pretendo implementar. Mas além disso, bateu a curiosidade: quantos artigos será que tem no Computaria? E por ano? Vamos coletar esses dados?

Estrutura de pastas

Talvez o jeito mais fácil fosse simplesmente contar quantos *.md tem dentro de _posts/*/*.md. Porém essa estratégia é um pouco falha… visto que ela fica acoplada à estrutura atual de como organizo as pastas dentro do próprio Computaria e… bem, isso já teve mudanças para que eu pudesse me organizar melhor.

Desde pelo menos janeiro de 2025 que já tenho o intuito de fazer a paginação do Computaria por ano. Justamente porque fica com muita coisa carregada no índice. Mas, enquanto não chega esse momento, o índice continua com todas as publicações.

Mas o problema de manutenção dos arquivos continuava. Então, que tal resolver esse problema? Foi isso que eu fiz no commit aa8ecc8ce (uma mudança tão interna e tão pouco esperta que nem achei que era digna de virar artigo na época). Para não ficar tudo em um único canto, os mais de 100 artigos listados no mesmo diretório, resolvi separar por ano. E desde então o artigo fica publicado na pasta com o seguinte formato:

_posts/YYYY/YYYY-MM-DD-titulo.md

Além disso, tem também o caso de rascunhos que são publicados a fim de revisão. Atualmente não tem nenhum artigo de rascunho digno, mas mantive uma publicação dessas “escondida”: Post de rascunho público de exemplo.

Então, devido a isso, simplesmente procurar na estrutura de pastas não é algo que eu gostaria de confiar cegamente.

Procurando na página central

Já que vai ser um one-off, bora extrair do índice central? Para fazer isso, é só fazer um curl mesmo:

curl https://computaria.gitlab.io

Mas… hmmm… bem, para a raiz eu coloquei um redirecionamento (vide Pequenas melhorias no Computaria). Então vamos pedir pro curl seguir redirects!

curl https://computaria.gitlab.io -L

Ok, seguiu redirect. Agora, vamos pegar links? Todo link de post que eu coloquei no índice tem a classe post-link. Pois, vamos seguir essa classe?

curl https://computaria.gitlab.io -L | grep post-link

Um exemplo do que isso filtrou:

    <a class="post-link beta-link" href="/blog/2021/12/23/fluent-builder">Fluent Builder com região crítica</a>
    <a class="post-link beta-link" href="/blog/2021/10/07/hello-world-gwt-archetype-1">"Hello, World!" em GWT usando arquétipo do TBroyer</a>
    <a class="post-link beta-link" href="/blog/2021/09/17/desenhos-python-turtle">Desenhando com Python e tartarugas</a>
    <a class="post-link beta-link" href="/blog/2021/09/12/base-assets">Manipulando Liquid para permitir uma base dos assets</a>
    <a class="post-link beta-link" href="/blog/2021/08/30/criando-blog-jekyll">Criando o blog com Jekyll no GitLab</a>

Agora eu posso simplesmente contar:

curl https://computaria.gitlab.io -L | grep post-link | wc -l

I isso me dá 113 artigos ao todo.

Por curiosidade, localmente tem 154.

Ok, mas eu quero pegar por ano. Vamos pegar essa string e manipular de modo que fique apenas o ano? Para isso, quero pegar no link os quatro números tem depois de /blog/. Como o blog foi lançado em 2021 e ainda não viramos o ano, vou casar com 202[0-9]. Em tese poderia botar pra casar com outras décadas, não seria difícil. Bem, dado isso, eu preciso casar com /blog/202[0-9] e depois selecionar apenas os números. Meio que um replace("^.*/blog/(202[0-9]).*$", "\1").

Usando sed, para fazer esse “replace”, eu uso o comando s. Tradicionalmente se usa / junto do s, ficando s/pattern/replace/, mas no meu caso, como tem barras no pattern, fica bem chatinho de escrever a substituição. Mas sabia que o sed não precisa usar barras? Na real, qualquer caracter serve, contanto que você mantenha consisência. Então usei _: 's_^.*/blog/$202[0-9]$.*$_\1_'.

Até agora, ficou assim o comando:

curl https://computaria.gitlab.io -L | grep post-link | sed 's_^.*/blog/\(202[0-9]\)/.*$_\1_'

Ok, agora como que faço pra contar? Bem, eu conheço o comando Unix uniq. Esse comando pega várias linhas do input e pega as aparições únicas de cada linha? Bem, quase… na verdade se a linha N+1 for idêntica à linha N, o uniq ignora essa linha. Agora, caso N+1 for diferente da N, então ele imprime. Por exemplo:

curl https://computaria.gitlab.io -L | grep post-link | sed 's_^.*/blog/\(202[0-9]\)/.*$_\1_' | uniq

Imprime:

Agora, se eu colocar um 2026 no final

(curl -s https://computaria.gitlab.io -L | grep post-link | sed 's_^.*/blog/\(202[0-9]\)/.*$_\1_'; echo 2026 ) | uniq

ele imprime isso:

Será que tem alguma opção no uniq que faz a acumulação? Vamos olhar no man uniq…

     The following options are available:

     -c, --count
             Precede each output line with the count of the number of times the line occurred in the input,
             followed by a single space.

A primeira opção é o -c e é exatamente o que eu quero!

curl https://computaria.gitlab.io -L | grep post-link | sed 's_^.*/blog/\(202[0-9]\)/.*$_\1_' | uniq -c

Imprimindo

E com isso botamos as regexes pra trabalhar e obter o dado que se buscava conhecer! Pra terminar de deixar bonito só falta pedir pro curl não mostrar o progresso do download, e se consegue isso pedindo para que ele seja “silencioso”, com o -s. A linha completa fica:

curl -s https://computaria.gitlab.io -L | grep post-link | sed 's_^.*/blog/\(202[0-9]\)/.*$_\1_' | uniq -c