Wildcard matching

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 cadeia de caracteres, 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

There is one special convention: two characters separated by '-' denote a range. (Thus, "[A-Fa-f0-9]" is equivalent to "[ABCDEFabcdef0123456789]".) One may include '-' in its literal meaning by making it the first or last character between the brackets. (Thus, "[]-]" matches just the two characters ']' and '-', and "[--0]" matches the three characters '-', '.', and '0', since '/' cannot be matched.)

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 '\'.

Pathnames

Globbing is applied on each of the components of a pathname separately. A '/' in a pathname cannot be matched by a '?' or '*' wildcard, or by a range like "[.-0]". A range containing an explicit '/' character is syntactically incorrect. (POSIX requires that syntactically incorrect patterns are left unchanged.)

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.)

Empty lists

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

    xv -wait 0 *.gif *.jpg

where perhaps no *.gif files are present (and this is not an error). However, POSIX requires that a wildcard pattern is left unchanged when it is syntactically incorrect, or the list of matching pathnames is empty. With bash one can force the classical behavior using this command:

shopt -s nullglob

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

rm `find . -name "*~"`

os novos scripts requerem

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

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

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:

(iii) 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 na localização atual.

(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 localização atual. Por exemplo, "[[=a=]]" deve ser equivalente a "[aáàäâ]" (cuidado: Latin-1 aqui), ou seja, a "[a[.a-acute.][.a-grave.][.a-umlaut.][.a-circumflex.]]".