Bulun (1): Bazı dosya adlarında başarısız olması için uygulanan yıldız joker karakter nasıl?

Dosya adlarının UTF-8’de olduğu bir dosya sisteminde, hatalı bir adla bir dosyam var; şöyle gösterilir:, D�sinstallerzsh: 'e göre gerçek ad D$'\351'sinstaller, Latin1 Désinstaller, kendisi için "kaldır" için bir Fransız barbarlığı. Zsh, onunla eşleşmeyecek, [[ $file =~ '^.*$' ]]ancak bir *dünya ile eşleşecekti - beklediğim davranış bu.

Şimdi hala çalışırken bulmayı bekliyorum find . -name '*'. Aslına bakarsanız, bir dosya adının bu testte başarısız olmasını asla beklemem. Ancak, ile LANG=en_US.utf8, dosya yok değil göstermek ve ben setine sahip LANG=C(ya da en_US, ya da ''işe bunun için).

Soru: Arkasındaki uygulama nedir ve bu sonucu nasıl tahmin edebilirdim?

_{Bilgiler: Arch Linux 3.14.37-1-lts, bul (GNU findutils) 4.4.2}

Bu gerçekten hoş bir av. GNU bulma kaynak koduna hızlıca baktığımda, bunun fnmatchgeçersiz bayt sekanslarında ( pred_name_commonin pred.c) nasıl davrandığına bağlı olduğunu söyleyebilirim :

b = fnmatch (str, base, flags) == 0;
(...)
return b;

Bu kod fnmatch0 ile eşitlik için dönüş değerini test eder , ancak hataları kontrol etmez; bu, "eşleşmiyor" olarak bildirilen hatalarla sonuçlanır.

Her zaman true dönmek için bu libc işlevin davranışını değiştirmek için, yıllar önce, öne sürülmüştür *bile kırık dosya adları, desen, ama fikir söyleyebilirim gelen başlayan iplik (bkz reddedilmiş olmalıdır https : //sourceware.org/ml/libc-hacker/2002-11/msg00071.html ):

Fnmatch geçersiz bir çok baytlık karakter tespit ettiğinde, tek bayt eşleşmesine geri dönmelidir, böylece "*" böyle bir dizeyle eşleşme şansına sahip olur.

Ve bu neden daha iyi veya daha doğru? Mevcut bir uygulama var mı?

Stéphane Chazelas tarafından bir yorumda ve aynı 2002 başlığında belirtildiği gibi, bu, geçersiz karakterlerde boğulmayan mermilerin yaptığı glob genişlemesiyle tutarsızdır. Belki de daha da şaşırtıcı olan, testi tersine çevirmenin yalnızca bozuk adlara sahip dosyalarla eşleşmesidir (bash ile dosyalar oluşturun touch $'D\351marrer' $'Touch\303\251' $'\346\227\245\346\234\254\350\252\236'):

$ find -name '*'
.
./Touché
./日本語

$ find -not -name '*'
./D?marrer

Dolayısıyla sorunuzu yanıtlamak için, fnmatchbu durumda sizin davranışınızı ve findbu fonksiyonun geri dönüş değerini nasıl idare edeceğini bilerek bunu önceden tahmin etmiş olabilirsiniz ; Muhtemelen yalnızca belgeleri okuyarak öğrenemezsiniz.

find -name seçeneği, eşleşen dosya adını gerçekleştirmek için kabuk deseni eşleme gösterimini kullanır . Birden fazla karakterle eşleşen* bir kalıptır , sıfır veya daha fazla karakterden oluşan bir dizeyle eşleşir.

finddesen eşleşmesini kontrol etmek için fnmatch işlevini kullanır , böylece sonucu kontrol etmek için ltrace kullanabilirsiniz :

$ touch $'\U1212'aa
$ touch D$'\351'sinstaller
$ LC_ALL=en_US.utf8 ltrace -e fnmatch find -name '*'          
find->fnmatch("foo", "foo", 0)                   = 0
find->fnmatch("Foo", "foo", 0)                   = 1
find->fnmatch("Foo", "foo", 16)                  = 0
find->fnmatch("*", ".", 0)                       = 0
.
find->fnmatch("*", "D\351sinstaller", 0)         = -1
find->fnmatch("*", "\341\210\222aa", 0)          = 0
./ሒaa
+++ exited (status 0) +++

İle D\351sinstaller, fnmatchdönüş -1, eşleşmediğini belirtti. Gibi geçerli bir karakter ሒaaeşleşecek.

Senin durumunda olan UTF-8yerel ayar, \351desen eşleştirme başarısız neden geçersiz karakter.