Bash a pseudoznaky (Pattern Matching)

16.10.2008 22:23 | Přečteno: 1438× | GNU/Linux |

Protože rychle zapomínám, tak do tohohle zápisu vložím poznámky ohledně pseudoznaků v Bashy (nebo Bashi?). Půjde o víc než jenom překlad části manuálové stránky k Bashy. V manuálové stránce k Bashy najdete informace o pseudoznacích v části nazvané Pattern Matching.

• * Zastupuje jakýkoli (i nulový) řetězec.
• ? Zastupuje jeden libovolný znak.
• [abcde] Odpovídá přesně jeden znak z "abcde".
• [1-3] nebo [a-e] Odpovídá přesně jeden znak z daného rozsahu. Vše závisí na nastavení locale a proměnné LC_COLLATE.
• [:class:], "class" může nabývat hodnoty:
  • alnum Zastupuje jakýkoli alfanumerický znak (znaky abecedy a číslice).
  • alpha znak abecedy
  • ascii ASCII znak
  • blank přinejmenším obsahuje znak mezery a a řídící znak '\t' (horizontal tab)
  • cntrl netisknutelné (řídící) znaky, "cntrl" a "print" jsou disjunktní množiny
  • digit číslice 0 až 9
  • graph stejné jako u "print", nepatří sem ale znak mezery
  • lower obsahuje přinejmenším (závisí to na locale) 'a' až 'z'
  • print pouze tisknutelné znaky
  • punct nealfanumerické znaky
  • space přinejmenším znak mezery a '\, '\n' (new line), '\r' (carriage return), '\t' (horizonatal tab), '\v' (vertical tab)
  • upper přinejmenším 'A' až 'Z'
  • word písmena, číslice a podtržítko (_)
  • xdigit přinejmenším písmena 'A' až 'F', 'a' až 'f' a čísla '0' až '9'

Poznámky: [!neco] nebo [^neco] jsou negací [neco]. [-acf] nebo [acf-] -- chceme-li "matchnout" znak '-'. []123A] -- chceme-li "matchnout" znak ']'.

Pokud použijeme příkaz shopt -s extglob (tím povolíme extended pattern matching), dostaneme mocnější nástroje:

• ?(pattern1|pattern2|pattern3|pattern4...) nula nebo jeden výskyt pattern1 nebo pattern2 nebo pattern3 nebo pattern4 (...)
• *(pattern1|pattern2|pattern3|pattern4...) nula nebo víc výskytů daných řetězců
• +(pattern1|pattern2|pattern3|pattern4...) jeden nebo víc výskytů daných řetězců
• @(pattern1|pattern2|pattern3|pattern4...) Odpovídá buď řetězci pattern1, nebo pattern2, nebo pattern3, nebo patter4 (...).
• !(pattern1|pattern2|pattern3|pattern4...) Odpovídá čemukoli vyjma zadaných řetězců (negace).

Poznámka: Znaky '\', ''' a '"' budou odstraněny. Záchovány budou jenom tehdy, jestliže jsou výstupem expanze nebo jsou "oúvozovkovány".

       

Komentáře

[Ladicek]

Bash se obvykle skloňuje podle vzoru stroj, takže v bashi. Ten ypsilon sice lepší než drátem do oka, ale ne zas o moc

To pseudo radši nebudeme moc řešit, ale myslím, že se obvykle říká spíš zástupné znaky. (Plné regulární výrazy to asi nejsou.)

[Ladicek]

Hmm, tak to skoro vypadá, že naopak jsou

[Begleiter]

Jojo díky za připomínky.

[petr]

Nejedná se o regulérní výrazy, ale o takzvané "žolíkové karty". Žolíkové znaky se týkají názvů souborů a zpracovává je interpret příkazů (shell). Naproti tomu regulární výrazy se zaobírají obsahem (textových) souborů a jejich interpretaci mají na starosti jednotlivé programy (editory, grep a podobně). Pěkně zpracováno je to třeba zde.

[cynan]

Anglicky "wild cards" a cely proces expanze techto znaku se nazyva "globbing" http://tldp.org/LDP/abs/html/globbingref.html

[Ladicek]

Nejedná se o regulérní výrazy, ale o takzvané "žolíkové karty". Žolíkové znaky se týkají názvů souborů […]. Naproti tomu regulární výrazy se zaobírají obsahem (textových) souborů

To není tak úplně pravda. Regulární výrazy jsou (dovolím si zkratku) lidsky čitelným zápisem matematického modelu algoritmu pro rozpoznávání určité třídy jazyků. V teorii se obvykle omezujeme na regulární výrazy postihující regulární jazyky, dnešní perlovské i posixové regulární výrazy rozpoznávají jazyky bezkontextové, ale na tom teď nesejde. Zástupné (mně se to slovo žolíkové docela líbí, ale prostě mi nejde přes prsty) znaky jsou jejich podmnožinou a jejich rozpoznávací schopnost je menší (pamatuju si z MS-DOSu jenom otazník a hvězdičku, s tím toho člověk opravdu moc neudělal ).

Na druhý pohled se mi zdálo, že by ty zástupné znaky v bashi mohly mít sílu regulárních výrazů, ale možná nemají. No, nemám chuť, čas a ani schopnosti to dokázat, takže to nechme Určitě se ale regulární výrazy od zástupných znaků nepoznají podle toho, nad čím operují.

[Jirka P]

Ty extgloby mají sílu regexů. Obyčejné globy ne.

POSIXové regexy IMHO bezkontextové jazyky nerozpoznávají (např. nerozpoznají jazyk správně spárovaných závorek). Na druhou stranu rozpoznají některé jazyky, které bezkontextové nejsou. (pokud tedy mám správnou dokumentaci a posixové regexy = obyčejné regexy + backreference)

[Ladicek]

Díky za doplnění, já všechny tyhle praktické implementace zdaleka nemám v hlavě, jenom vím, že perlovské i posixové regexpy rozpoznají větší třídu jazyků než regulární. Aspoň mne to donutilo si přečíst článek na anglické wikipedii, kde to je docela slušně vysvětlené. S těmi zpětnými referencemi je to docela mazec

[CEST]

Mohl bys jeste doplnit expandovani pomoci slozenych zavorek, to pouzivam hodne casto, napr.

for i in file-{1,4,9,12,15} ; do echo $i;done

[Begleiter]

Díky za tip. Až budu mít chuť a čas, tak to určitě doplním.