Corrispondenze di metacaratteri

Una stringa è un modello di metacaratteri se contiene uno dei caratteri '?', '*' o '['. Il globbing è l'operazione che espande un modello di metacaratteri in un elenco di percorsi che corrisponde al modello. Una corrispondenza è definita da:

Un '?' (non fra virgolette) corrisponde ad un carattere singolo.

Un '*' (non fra virgolette) corrisponde a qualsiasi stringa, compresa quella vuota.

Classi di carattere

Un'espressione nella forma "[...]", in cui il primo carattere dopo la '[' iniziale non è un '!' corrisponde ad un carattere singolo, cioè a qualsiasi carattere fra quelli racchiusi tra le parentesi. La stringa tra le parentesi non può essere vuota; perciò è possibile avere una ']' fra parentesi, purché essa sia il primo carattere (perciò "[][!]" corrisponde ai tre caratteri '[', ']' e '!').

Intervalli

C'è una convenzione speciale: due caratteri separati da '-' indicano un intervallo (perciò "[A-Fa-f0-9]" equivale a "[ABCDEFabcdef0123456789]"). Si può includere un '-' col suo significato letterale ponendolo al primo o all'ultimo posto fra le parentesi (perciò "[]-]" corrisponde solo ai due caratteri ']' e '-', e "[--0]" corrisponde ai tre caratteri '-', '.', '0', dato che '/' non ha corrispondenze).

Complementazione

Un'espressione "[!...]" corrisponde ad un carattere singolo, cioè a qualsiasi carattere cui non corrisponda l'espressione ottenuta rimuovendo il '! ' iniziale (perciò "[!]a-]" corrisponde a qualsiasi carattere singolo eccetto ']', 'a' e '-'.).

Si può rimuovere il significato speciale di '?', '*' e '[' facendoli precedere da una backslash, o, nel caso l'espressione sia parte di una riga di comando della shell, ponendoli fra virgolette doppie. Fra parentesi quadre questi caratteri hanno un significato letterale. Perciò "[[?*\]" corrisponde ai quattro caratteri '[', '?', '*' e '\'.

Percorsi

Il globbing si applica separatamente a ogni componente di un percorso. A uno '/' in un percorso non può corrispondere uno dei metacaratteri '?' o '*', né un intervallo come "[.-0]". Un intervallo contenente un carattere '/' esplicito è sintaticamente scorretto. (POSIX richiede che i modelli sintaticamente scorretti sianolasciati immodificati.)

Se il nome di un file inizia con un '.', deve esserci una corrispondenza esplicita per il '.' (perciò rm * non rimuove .profile, e tar c * non archivia tutti i file: tar c . è meglio).

Elenchi vuoti

La chiara e semplice regola precedente: "espandere un modello di metacaratteri in un elenco di percorsi che corrisponde al modello» era la definizione originale di Unix. Permetteva modelli che si espandevano in elenchi vuoti, come in

    xv -wait 0 *.gif *.jpg

quando, magari, non c'è nessun file *.gif (e questo non causa un errore). D'altra parte POSIX richiede che un modello di metacaratteri non venga modificato se è sintatticamente sbagliato o se la lista dei percorsi corrispondenti è vuota. Con bash si può forzare il comportamento classico con questo comando:

shopt -s nullglob

(Problemi simili accadono in altri casi. Per esempio, mentre script vecchi usano

rm `find . -name "*~"`

per uno script nuovo bisogna usare

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

per evitare messaggi di errore di rm invocato con un elenco vuoto di argomenti).

Espressioni regolari

Si noti che i modelli di metacaratteri non sono espressioni regolari, per quanto si assomiglino. Prima di tutto corrispondono a nomi di file piuttosto che a testo; inoltre le convenzioni non sono le stesse: per esempio, '*' in un'espressione regolare significa zero o più copie di quanto precede.

Ora che le espressioni regolari usano espressioni fra parentesi quadre in cui la negazione è indicata con un '^', POSIX ha dichiarato indefinito l'effetto di un modello come"[^...]".

Classi di carattere e internazionalizzazione

Naturalmente gli intervalli erano originariamente interpretati come intervalli ASCII, per cui "[ -%]" stava per "[ !"#$%]" e "[a-z]" per "una qualsiasi minuscola". Alcune implementazioni Unix hanno generalizzato questo comportamento in modo tale che l'intervallo X-Y denoti l'insieme di caratteri i cui codici sono compresi fra il codice di X e quello di Y. Comunque ciò richiede che l'utente conosca la codifica usata sul sistema locale, e, inoltre, non è comodo quando la sequenza di collazione per l'alfabeto locale è diversa dall'ordine dei codici di carattere. Perciò POSIX ha notevolmente esteso la notazione parentetica, sia per i modelli di metacaratteri che per le espressioni regolari. Prima abbiamo visto tre tipi di argomenti che possono apparire in un'espressione parentetica: vale a dire (i) la negazione, (ii) caratteri singoli espliciti e (iii) intervalli. POSIX definisce gli intervalli in un modo internazionalmente più utile e aggiunge altri tre tipi:

(iii) Intervalli del tipo X-Y che includono tutti i caratteri compresi tra X e Y (inclusi) nella sequenza di collazione definita dalla categoria LC_COLLATE nella localizzazione corrente.

(iv) Classi di carattere con nome, come

[:alnum:]  [:alpha:]  [:blank:]  [:cntrl:]
[:digit:]  [:graph:]  [:lower:]  [:print:]
[:punct:]  [:space:]  [:upper:]  [:xdigit:]

in modo da poter dire "[[:lower:]]" al posto di "[a-z]" e ottenere il risultato corretto anche in danese, dove ci sono tre lettere nell'alfabeto che vengono dopo la 'z'. Queste classi di carattere sono definite dalla categoria LC_CTYPE nella localizzazione corrente.

(v) Elementi di collazione, come "[.ch.]" o "[.a-acute.]", in cui la stringa compresa fra "[." e ".]" è un elemento di collazione definito dalla localizzazione corrente. Si noti che questo può essere un elemento composto da più caratteri.

(vi) Una classe di equivalenza, come "[=a=]", in cui la stringa compresa tra "[=" e "=]" è un qualsiasi elemento di collazione nella sua classe di equivalenza, come definita dalla localizzazione corrente. Per esempio, "I[[=a=]]" potrebbe essere equivalente a "[aáàäâ]", cioè a "[a[.a-acute.][.a-grave.][.a-umlaut.][.a-circumflex.]]".