glob - 形成路径名称

描述 (DESCRIPTION)

很久以前在 UNIX V6 版中有一个程序 /etc/glob 用来展开通配符模板. 不久以后它成为 shell 内建功能. 现在人们开发了类似的库函数 glob(3), 让用户程序实现同样的功能.

此规则遵循 (POSIX 1003.2, 3.13).

通配符匹配 (WILDCARD MATCHING)

包含 '?', '*' 或 '[' 字符的字符串称为通配符模板(wildcard pattern). 形成路径名(globbing) 指一种操作, 把通配符模板展开为匹配该串的路径名. 匹配定义为:

不在方括弧中的 '?' 匹配任意单个字符.

不在方括弧中的 '*' 匹配任意字符串, 包括空串.

字符集 (Character classes)

对于表达式 `[...]', 如果在第一个 '['符后面出现的第一个字符不是 '!', 则该表达式匹配任意一个在 `[...]'内出现的字符. 方括弧内不能有空串, 因此 ']' 可以作为第一个字符出现在方括弧内. (像这样, '[][!]' 匹配下列三个字符中的任意一个, '[', ']' 和 '!'.)

范围集 (Ranges)

字符集有一个特例: 用 '-' 分开的两个字符表示一个范围集. (像这样, `[A-Fa-f0-9]' 等于 `[ABCDEFabcdef0123456789]'.) 把 '-' 放到方括弧内的开头或最后可以获得它的本意. (像这样, `[]-]' 匹配 ']'和'-' 中任意一个. 而 `[--/]' 匹配 `-', `.' 和`/'中任意一个.)

补集 (Complementation)

表达式 '[!...]' 表示一个字符, 该字符不匹配方括弧内去掉开头 '!' 后的表达式. (像这样, `[!]a-]' 匹配除了 ']', 'a' 和 '-' 的任意一个字符.)

要去掉 '?', '*' 和 '[' 的特殊含义, 可以通过前面加一个反斜杠; 或者在 shell 命令行中, 通过引号来引用这些字符. 在方括弧内这些字符显露出本意, 所以, '[[?*\]' 匹配这四个字符中的一个: '[', '?', '*', '\'.

路径名 (PATHNAME)

形成路径名功能应用于路径中的每一个成员部分. 路径中的 '/' 不能被通配符 '?' 或 '*', 或范围集如 '[.-0]' 匹配. 范围集不能直接包含 '/', 否则导致语法错误.

如果待匹配的文件名以'.'开头, 那么这个 '.' 字符必须直接给出. (比如说, 用 'tar c .' 会更好.)

空列表 (EMPTY LISTS)

上述的简单优雅规则, 把通配符模板展开为匹配的路径名, 来源于最初的 UNIX 定义. 它允许展开出空串, 例如

        xv -wait 0 *.gif *.jpg

这里可能没有 *.gif 文件 (而且不算错误).

然而, POSIX 要求句法错误或路径名列表为空时, 保留通配符模板不变. (译注: 即不展开.)

在 bash 中可以通过设置 allow_null_glob_expansion=true 把它强置为传统的风格. (其他地方也有类似的问题, 例如, 老式的语句是

        rm `find . -name "*~"`

新的写法为

        rm -f nosuchfile `find . -name "*~"`

以避免由于空参数调用 rm 而产生错误信息.)

注意 (NOTES)

正规表达式 (Regular expressions)

注意, 通配符模板不是正规表达式, 尽管它们有点象. 首先, 它匹配文件名, 而不是正文; 其次, 规则不一样, 例如正规表达式里的 '*' 代表零个或多个前面内容的重复.

正规表达式的方括弧表达式用 '^' 引导取反操作, (而不是 '[!...]'). POSIX 声明, 在通配符模板中, '[^...]' 未做定义.

字符集和国际化 (Character classes and Internationalization )

当然, 范围集最初指 ASCII的范围, 因此 '[ -%]' 意思是 '[ !"#$%]',

一些 UNIX实现把这个归纳为: 范围 X-Y 指 X的编码到 Y的编码之间的编码字符. 可是, 这要求用户知道他们本地系统的字符编码, 此外, 如果本地的字母表顺序和字符集顺序不对应, 那就更不方便了.

因此, POSIX 对通配符模板和正规表达式的方括弧表达法作了重大扩展, 上面我们知道了方括弧表达式中的三个类型, 它们是 (i) 取补集 (ii) 直接列出的单个字符和 (iii) 范围集.

POSIX 对范围集在国际化方面作了更有力的说明, 并且增加了三个类型:

(iii) 范围 X-Y 由 X 和 Y 之间所有的字符组成 (包括X和Y), X 和 Y 的当前编码序列由当前场合的 LC_COLLATE 分类定义.

(iv) 命名字符集, 象

[:alnum:]  [:alpha:]  [:blank:]  [:cntrl:]

[:digit:]  [:graph:]  [:lower:]  [:print:]

[:punct:]  [:space:]  [:upper:]  [:xdigit:]

因此可以用 '[[:lower:]]' 代替 '[a-z]', 它在丹麦语里同样有效, 虽然丹麦的字母表里 'z' 后面还有三个字母. 这些字符集由当前场合的 LC_CTYPE 分类定义.

(v) 符号对映, 象 '[.ch.]' 或 '[.a-acute.]', 在 '[.' 和 '.]' 之间的字符串是定义在当前场合的对映元素. 注意这可以是多字符元素.

(vi) 等类表达式, 象 '[=a=]', 在 '[=' 和 '=]' 之间的字符串是任意等类中的对映元素, 它定义在当前场合. 例如, '[[=a=]]' 可以等同于 `[a徉溻]' (警告: 这里有 Latin-1 字符), 也就是 `[a[.a-acute.][.a-grave.][.a-umlaut.][.a-circumflex.]]'.