Historia de Bash globbing

¿Hay alguna razón histórica por la que Bash "globbing" y las expresiones regulares no sean idénticas? Por ejemplo, creo que en Bash [1-2]*coincide todo lo que comienza con un 1 o un 2 seguido de cualquier otra cosa, mientras que como expresión regular [1-2]*solo coincidiría con una secuencia de 1s y 2s. Mis secuencias de comandos Bash y REGEX son bastante débiles y regularmente me encuentro con problemas asociados con estas diferencias, lo que me hizo sentir curiosidad por saber por qué son diferentes.

bashinicialmente fue diseñado a finales de los 80 como un clon parcial de kshalgunas características interactivas de csh / tcsh.

Los orígenes del globbing se deben encontrar en los caparazones anteriores sobre los que se basa.

kshen sí es una extensión del shell Bourne. El shell Bourne en sí (lanzado por primera vez en 1979 en Unix V7) fue una implementación limpia desde cero, pero no se apartó por completo del shell Thompson (el shell de V1 -> V6) e incorporó características del shell Mashey.

En particular, los argumentos de comando todavía estaban separados por espacios en blanco, |ahora era el nuevo operador de tubería pero ^todavía era compatible como una alternativa (y también explica por qué lo hace [!a-z]y no [^a-z]), $1seguía siendo el primer argumento para un script y la barra diagonal inversa seguía siendo el carácter de escape . Muchos de los operadores regexp ( ^\|$) tienen un significado especial propio en el shell.

El shell Thompson se basó en una utilidad externa para el globbing. Cuando se shencuentra sin comillas *, [o ?s en el comando, ejecutaría el comando glob.

rm *.txt

terminaría ejecutando glob como:

["glob", "rm", "*.txt"]

y glob terminaría ejecutándose rmcon la lista de archivos que coinciden con ese patrón.

grep a.\*b *.txt

correría globcomo:

["glob", "grep", "a.\252b", "*.txt"]

Lo *anterior se ha citado estableciendo el 8vo bit en ese carácter, evitando que lo globtrate como un comodín. globluego eliminaría ese bit antes de llamar grep.

Para hacer el equivalente con regexps, eso habría sido:

regexp rm '\.txt$'

O:

regexp rm '^[^.].*\.txt$'

para excluir archivos de puntos.

La necesidad de escapar de los operadores, ya que funcionan como caracteres especiales de shell, el hecho de que ., común en los nombres de archivo es un operador regexp, hace que no sea muy apropiado hacer coincidir los nombres de archivo y complicado para un principiante. En la mayoría de los casos, todo lo que necesita son comodines que puedan reemplazar uno ( ?) o cualquier número ( *) de caracteres.

Ahora, diferentes shells agregaron diferentes operadores de globbing. Hoy en día, los globos ksh y zsh (y hasta cierto punto, bash -O extglobque implementan un subconjunto de globos ksh) son funcionalmente equivalentes a expresiones regulares con una sintaxis que es menos engorrosa de usar con los nombres de archivo y la sintaxis de shell actual. Por ejemplo, en zsh(con la extensión Extendedglob), puede hacer:

echo a#.txt

si desea (poco probable) que coincida con los nombres de archivo que consisten en secuencias aseguidas de .txt. Más fácil que echo (^a*\.txt$)(aquí usando llaves como una forma de aislar a los operadores de expresiones regulares de los operadores de shell que podrían haber sido una forma en que los shells podrían lidiar con eso).

echo (foo|bar|<1-20>).(#i)mpg

Para archivos mpg (sin distinción entre mayúsculas y minúsculas) cuyo nombre base es foo, bar o un número decimal del 1 al 20 ...

ksh93ahora también puede incorporar expresiones regulares (básicas, extendidas, perl-like o "aumentadas") en sus globos (aunque es bastante defectuoso) e incluso proporciona una herramienta para convertir entre glob y regexp ( printf %R, printf %P):

echo ~(Ei:.*\.txt)

al partido (no oculta) txt con E XTended expresiones regulares, entre mayúsculas i nsensitively.

Kleene introdujo los idiomas regulares en 1956. El documento seminal no tenía la notación moderna completa para las expresiones regulares, pero sí introdujo la "estrella de Kleen": que A*significa "cualquier número de repeticiones de A". En la próxima década, surgieron algunas notaciones más o menos estándar, en particular .para un carácter arbitrario y ?para significar que el carácter anterior es opcional.

La notación global de Bash se deriva del globcomando introducido en Unix v1 en 1971. En ese momento, la aplicación global fue realizada por un programa separado; Más tarde se trasladó a la cáscara. El globcomando inicial tiene ?que significar "cualquier carácter" y *significa "cualquier secuencia de caracteres". No sé por qué los personajes fueron elegidos; ?es bastante intuitivo y *puede haberse inspirado en el de las expresiones regulares.

Globbing no pretendía ser tan general como las expresiones regulares, y las expresiones regulares no estaban muy extendidas en ese momento, por lo que no hubo un llamado a unificar los conceptos. Desde el principio, había incompatibilidades sintácticas, con ?, .y *significa cosas diferentes en patrones de nombre de archivo y en las expresiones regulares.

Los proyectiles modernos, como bash, se expanden en los patrones globales, pero fue una evolución gradual que mantuvo la compatibilidad con versiones anteriores. Ksh88 (la versión de 1988 del shell Korn ) introdujo una sintaxis extendida para patrones de shell, que no podía ser la misma sintaxis que las expresiones regulares habituales, pero estaba fuertemente inspirada por ella: *(PATTERN)significar cualquier número de repeticiones de PATTERN, @(PATTERN1|PATTERN2)significar " PATTERN1o PATTERN2", etc.

Las versiones modernas de bash (desde 2.02) admiten los patrones extendidos de ksh88, si publica shopt -s extglobprimero.

Razón histórica: SI. Referencia:
http://en.wikipedia.org/wiki/Glob_(programming)#Origin

Solo para mostrar la divergencia, aquí hay un ejemplo bueno y fácil: a*

• globbing de shell: el significado es, primero el carácter es ay luego lo que sea (a, ab, abca ...)
• regex: significado es, cero o más repeticiones de caracteres a(a, aa, aaa ...)

Estoy de acuerdo en que esta discrepancia en el significado es muy confusa para los nuevos usuarios.

El globbing es quizás más fácil de entender para los recién llegados, pero también es una construcción menos poderosa.