GLOB

NOME

glob − Caminhos de diretórios de englobamento

DESCRIÇÃO

Muito tempo atrás, no Unix V6, havia um programa /etc/glob que poderia expandir os padrões de coringas. Logo em seguida, isso se tornaria embutido no interpretador de comandos.

Nos dias de hoje, também há uma rotina de biblioteca glob(3) que realizará esta função para um programa de usuário.

As regras são as que seguem (POSIX 1003.2, 3.13).

CASAMENTO DE CORINGAS

Uma cadeia de caracteres é um padrão de coringas se contiver um ou mais caracteres ‘?’, ‘*’ ou ‘[’. Englobamento é a operação que expande um padrão de coringas para uma lista de nomes de caminhos que casam com o padrão. Casamento é definido por:

Um ‘?’ (não entre colchetes) casa com qualquer caractere unitário.

Um ‘*’ (não entre colchetes) casa com qualquer string, incluindo uma cadeia de caracteres vazia.

Classes de caracteres
Uma expressão ‘[...]’ onde o primeiro caractere depois do primeiro ‘[’ não é um ‘!’ que casa com um caractere unitário, desde que seja um dos caracteres de dentro dos colchetes. A string cercada pelos colchetes não pode estar vazia: portanto ‘]’ é um caractere permitido entre os colchetes, desde que seja o primeiro caractere. Portanto, ‘[][!]’ casa com os três caracteres ‘[’, ‘]’ e ‘!’.)

Faixas
Há uma convenção especial: dois caracteres separados por ‘-’ denotam uma faixa. (Portanto, ‘[A-Fa-f0-9]’ é equivalente a ‘[ABCDEFabcdef0123456789]’.) É possível incluir ‘-’ com seu significado literal ao colocá-lo em primeiro ou em último entre os caracteres dentro dos colchetes. (Portanto, ‘[]-]’ casa apenas com os dois caracteres ‘]’ e ‘-’, e ‘[--/]’ casa com os três caracteres ‘-’, ‘.’, ‘/’.)

Complementação
Uma expressão ‘[!...]’ casa com um caractere unitário, desde que seja um caractere não presente na expressão obtida pela remoção do primeiro ‘!’. (Portanto, ‘[!]a-]’ casa com qualquer caractere unitário, exceto ‘]’, ‘a’ e ‘-’.)

É possível remover o significado especial de ‘?’, ‘*’ e ‘[’ precedendo-os por uma barra invertida, ou, caso seja parte de uma linha de comando do shell, cercando-os com aspas. Entre colchetes, estes caracteres respondem por eles mesmos. Portanto, ‘[[?*\]’ casa com os quatro caracteres ‘[’, ‘?’, ‘*’ e ‘\’.

NOMES DE CAMINHOS

Englobamento é a aplicação de cada um dos componentes de um nome de caminho separadamente. Um ‘/’ em um nome de caminho não pode casar com um coringa ‘?’ ou ‘*’, ou com uma faixa como ‘[.-0]’. Uma faixa não pode conter um caractere ‘/’ explícito; isto levaria a um erro de sintaxe.

Se um nome de arquivo começa com um ‘.’, este caractere deve ser casado explicitamente. (Portanto, ‘rm *’ não removerá .profile, e ‘tar c *’ não arquivará todos os seus arquivos: ‘tar c .’ é melhor.)

LISTAS VAZIAS

A bela e simples regra dada acima: ‘expanda um padrão de coringas na lista de caminhos de diretório de casamento’ foi a definição padrão do Unix. Ela permite padrões que se expandam para uma lista vazia, como em

onde talvez nenhum arquivo *.gif esteja presente (e isto não é um erro). Porém, o POSIX requer que um padrão de coringas seja deixado inalterado quando estiver sintaticamente incorreto, ou a lista de nomes de caminhos esteja vazia. Com bash pode-se forçar o comportamento clássico, setando-se allow_null_glob_expansion=true.

(Problemas similares ocorrem em toda a parte. Por exemplo, onde há em scripts antigos

os novos scripts requerem

para evitar mensagens de erro de rm chamado com uma lista de argumentos vazia.)

NOTAS

Expressões regulares
Note que padrões de coringas não são expressões regulares, apesar de que são um pouco similares. Primeiramente, eles casam com nomes de arquivos em vez de texto, e em segundo lugar, as convenções não são as mesmas: por exemplo, em uma expressão regular ‘*’ significa zero ou mais cópias da coisa precedente.

Agora que as expressões regulares têm expressões com colchetes, onde a negação é indicada por um ‘^’, o POSIX declarou que o efeito de um padrão de coringa ‘[^...]’ é indefinido.

Classes de caracteres e Internationalização
Obviamente, faixas significavam originalmente as faixas ASCII, de forma que ‘[ -%]’ significa ‘[ !"#$%]’ e ‘[a-z]’ significa "qualquer letra minúscula". Algumas implementações Unix generalizaram isso, de tal forma que que uma faixa X-Y significa o conjunto de caracteres com código entre o código de X e o de Y. Porém, isso requer que o usuário saiba o código do caractere em uso no sistema local, e além disso, não é conveniente se a seqüência de conferência para o alfabeto local difere da ordenação dos códigos de caractere. Portanto, POSIX estendeu grandemente a notação de colchetes, tanto nos padrões de coringas quanto nas expressões regulares. Anteriormente, nós vimos três tipos de itens que podem ocorrer em uma expressão em colchetes: (i) a negação, (ii) caracteres unitários explicitados e (iii) faixas. POSIX especifica faixas de uma forma internacionalmente mais útil, e acrescenta mais três tipos:

(iv) Faixas X-Y compreendem todos os caractees que caem entre X e Y (inclusive) na seqüência de conferência corrente, como definido pela categoria LC_COLLATE no locale corrente.

(iv) Classes nomeadas de caracteres, como
[:alnum:] [:alpha:] [:blank:] [:cntrl:]
[:digit:] [:graph:] [:lower:] [:print:]
[:punct:] [:space:] [:upper:] [:xdigit:]
, de forma que se pode dizer ‘[[:lower:]]’ (minúsculo) em vez de ‘[a-z]’, e funciona na Dinamarca também, onde há três letras depois do ‘z’ no alfabeto. Essas classes de caracteres são definidas pela categoria LC_CTYPE na localização atual.

(v) Símbolos de conferência, como ‘[.ch.]’ ou ‘[.a-acute.]’, onde a string entre ‘[.’ e ‘.]’ é um elemento de conferência definido na localização atual. Note que este pode ser um elemento multi-caractere.

(vi) Expressões de classes de equivalência, como ‘[=a=]’, onde a string entre ‘[=’ e ‘=]’ é um elemento de conferência qualquer da sua classe de equivalência, como é definido no locale corrente. Por exemplo, ‘[[=a=]]’ deve ser equivalente a ‘[aáàäâ]’ (cuidado: Latin-1 aqui), ou seja, a ‘[a[.a-acute.][.a-grave.][.a-umlaut.][.a-circumflex.]]’.

VEJA TAMBÉM

sh(1), glob(3), fnmatch(3), locale(7), regex(7)

TRADUZIDO POR LDP-BR em 21/08/2000.

Rubens de Jesus Nogueira <darkseid99 AT usa DOT net> (tradução) André L. Fassone Canova <lonelywolf AT blv DOT com DOT br> (revisão)