Concordancia de comodines

Se considera que una cadena de caracteres es un patrón con comodines si contiene al menos uno de los siguientes caracteres '?', '*' o '['. La generación de nombres de ruta ('globbing') es la operación que expande un patrón con comodines formando una lista de nombres de ruta de archivos que concuerdan con el patrón. La concordancia se define así:

Un signo de cierre de interrogación '?' (no entre corchetes) concuerda con cualquier carácter simple.

Un asterisco '*' (no entre corchetes) concuerda con cualquier cadena de caracteres, incluyendo la cadena vacía.

Clases de caracteres

Una expresión "[...]" donde el primer carácter tras el '[' no es '!' concuerda con un carácter simple; a saber, cualquiera de los caracteres entre corchetes. La cadena entre corchetes no puede estar vacía; por ello, ']' puede estar entre corchetes siempre que sea el primer carácter. Así, "[][!]" concuerda con uno de los tres caracteres '[', ']' y '!'.

Intervalos

Existe un convenio especial: dos caracteres separados por '-' denotan un intervalo. (Así, "[A-Fa-f0-9]" equivale a "[ABCDEFabcdef0123456789]".) Se puede incluir '-' con su sentido literal poniéndolo como el primer o el último carácter entre corchetes. (Así, "[]-]" concuerda justo con uno de los dos caracteres ']' y '-' y "[--0]" concuerda con los tres caracteres '-', '.', '0', porque no es posible buscar concordancia de '/'.)

Complementación

Una expresión "[!...]" concuerda con un carácter simple; a saber, cualquier carácter que no concuerde con la expresión obtenida al quitar el '!' de ella. Así, "[!]a-]" concuerda con cualquier carácter simple excepto ']', 'a' y '-'.

One can remove the special meaning of '?', '*', and '[' by preceding them by a backslash, or, in case this is part of a shell command line, enclosing them in quotes. Between brackets these characters stand for themselves. Thus, "[[?*\]" matches the four characters '[', '?', '*', and '\'.

Nombres de Ruta

La expansión se aplica a cada uno de los componentes de un nombre de ruta por separado. '/' en un nombre de ruta no puede concordar con un comodín '?' ni '*', ni con un rango como "[.-0]". Un intervalo no puede contener '/'; constituye un error de sintaxis. El estándar POSIX especifica que los patrones incorrectos no debe modificarse.

Si un nombre de fichero comienza con un punto '.', este carácter debe concordar explícitamente. (Así, rm * no borrará, por ejemplo, .profile, y tar c * no archivará todos sus ficheros; tar c . es mejor.)

Listas vacías

La bonita y simple regla dada arriba: "expandir un patrón de comodines a una lista de nombres de caminos que concuerdan" fue la definición original de UNIX. Le permitía a uno tener patrones que se `expandían' a una lista vacía, como en

    xv -wait 0 *.gif *.jpg

donde quizás no había ningún archivo gif presente (y esto no es un error). Sin embargo, POSIX requiere que un patrón de comodines se deje sin cambios cuando sea sintácticamente incorrecto o cuando la lista de nombres de ruta concordantes esté vacía. Con bash uno puede forzar el comportamiento clásico mediante esta orden:

shopt -s nullglob

(Problemas similares ocurren por todas partes. Por ejemplo, si un antiguo script contiene

rm `find . -name "*~"`

una adapatación moderna requerirá

rm -f no-tal-archivo `find . -name "*~"`

para evitar mensajes de error de rm llamado con una lista de argumentos vacía.)

Expresiones regulares

Observe que los patrones de comodines no son expresiones regulares, aunque son algo similares. Lo primero, concuerdan con nombres de ficheros en vez de con texto, y lo segundo, los convenios no son los mismos: p.ej., en una expresión regular '*' significa cero o más copias de lo precedente.

Ahora que las expresiones regulares tienen expresiones de corchetes donde la negación se indica por un acento circunflejo '^', POSIX ha declarado que el efecto de un patrón "[^...]" está indefinido.

Clases de caracteres e internacionalización

Por supuesto los rangos significaban originalmente rangos ASCII, asíque "[ -%]" significaba "[ !"#$%]" y "[a-z]" quería decir "cualquierletra minúscula". Algunas implementaciones de UNIX generalizaron esto de forma que un rango X-Y significara el conjunto de caracteres cuyos códigos estuvieran entre los de X y los de Y. Sin embargo, esto requiere que el usuario conozca la codificación de caracteres que se emplee en el sistema local, y aún más, esto no es conveniente si la secuencia de clasificación para el alfabeto local difiere del ordenamiento de los códigos de caracteres. Por lo tanto, POSIX extendió grandemente la notación de corchetes, tanto para patrones de comodines como para expresiones regulares. Antes vimos tres tipos de elementos que pueden estar en una expresión de corchetes; a saber, (I) la negación, (II) caracteres simples explícitos, y (III) rangos. POSIX especifica los rangos de una manera más útil internacionalmente y añade tres tipos más:

(III) Los rangos X-Y comprenden todos los caracteres que caigan entre X e Y (incluidos) en la secuencia de clasificación en curso según se defina en la categoría LC_COLLATE para la localización o escenario actual.

(IV) Clases de caracteres nombradas, como

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

de modo que uno pueda decir "[[:lower:]]" en vez de "[a-z]", con el significado de cualquier letra minúscula, y esto funcione por ejemplo también en Dinamarca, donde hay tres letras en el alfabeto después de la 'z'. Estas clases de caracteres están definidas por la categoría LC_CTYPE en el escenario en curso.

(V) Símbolos de colación, como "[.ch.]" o "[.a-acute.]", donde la cadena entre "[." y ".]" es un elemento de colación definido por el escenario en curso. Observe que esto puede ser un elemento multi-carácter.

(VI) Expresiones de clase de equivalencia, como "[=a=]", donde la cadena entre "[=" y "=]" es cualquier elemento de colación de su clase de equivalencia, según se defina para el escenario en curso. Por ejemplo, "[[=a=]]" podría ser equivalente a "[aáàäâ]"; esto es, equivalente a "[a[.a-acute.][.a-grave.][.a-umlaut.][.a-circumflex.]]".