递归匹配带通配符的文件名

Question

我一直在尝试通过命令行参数（sys.argv[1]）获取与某个模式匹配的文件列表，想用glob.glob和os.walk来实现。问题是，bash（以及其他很多类似的命令行工具）会自动把这种模式扩展成文件名。

那么，标准的Unix程序（比如grep -R）是怎么做到这一点的呢？我知道它们不是用Python写的，但如果这个扩展是在命令行层面发生的，那应该没关系吧？有没有办法让脚本告诉命令行不要自动扩展这种模式？看起来set -f可以禁用这种扩展，但我不太确定怎么在合适的时机使用它。

我看到过一篇文章用Glob()在Python中递归查找文件，但那篇文章没有涉及如何从命令行参数中获取这种模式。

谢谢！

编辑：

那个类似grep的perl脚本ack接受一个perl正则表达式作为参数。因此，ack .*会打印出每个文件的每一行。但.*应该会扩展为目录中的所有隐藏文件。我试着读这个脚本，但我不懂perl；它是怎么做到的呢？

Answer 1

说到grep，它其实就是接受一系列文件名，而不会自己去处理那些通配符。如果你真的需要把一个模式作为参数传进去，必须在命令行上用单引号把它括起来。不过在你这么做之前，想想是不是可以让命令行的外壳程序来完成它本来应该做的事情。

Answer 2

没错，set -f，你走在正确的路上。

听起来你是想从命令行调用你的 Python 程序。

每次你在命令行中输入指令时，系统都会扫描你输入的内容，并处理一些特殊符号，比如通配符、命令替换等等。

所以在你运行程序之前，必须先关闭这种特殊处理，特别是在命令行中。

set -f
echo *
*

myprogram *.txt

这样会把字符串 '*.txt' 传递给你的程序。然后你可以在程序内部使用通配符来获取你的文件。

或者你也可以通过创建一个包装脚本来实现类似的功能。

 #!/bin/bash
 set -f
 myProgram ${@}

在这个脚本中，${@} 是你在启动myProgram`时传入的参数，无论是从命令行、定时任务还是通过 exec(...) 从其他进程调用。

希望这对你有帮助。

Answer 3

在你运行命令之前，shell（命令行的一个部分）会先处理一些特殊字符，比如通配符。像grep这样的程序并不会阻止这些特殊字符被处理，因为它们没办法。你需要告诉shell，你想把这些特殊字符，比如*和?，直接传给程序，而不是让shell自己去理解它们。你可以通过把这些字符放在引号里来实现：

grep -E 'ba(na)* split' *.txt

（在所有名为<something>.txt的文件中查找ba split、bana split等）在这种情况下，单引号或双引号都可以。用单引号包裹时，shell不会对里面的内容进行任何处理。用双引号包裹时，$、`和\这些字符还是会被解释。你也可以在一个字符前加上反斜杠来保护它不被shell处理。不仅仅是通配符需要保护；例如，上面提到的模式中的空格也要用引号包起来，这样它才算是grep的一个参数，而不是参数之间的分隔符。上面代码的另一种写法包括：

grep -E "ba(na)* split" *.txt
grep -E ba\(na\)\*\ split *.txt

在大多数shell中，如果一个参数包含通配符但没有匹配到任何文件，模式会保持不变并传递给底层命令。所以像这样的命令：

grep b[an]*a *.txt

根据系统中存在的文件，效果会有所不同。如果当前目录下没有以b开头的文件，这个命令会在匹配*.txt的文件中搜索模式b[an]*a。如果当前目录下有名为baclava、bnm和hello.txt的文件，这个命令就会变成grep baclava bnm hello.txt，所以它会在文件bnm和hello.txt中搜索模式baclava。显然，在脚本中依赖这种行为并不是个好主意；在命令行中偶尔可以省点输入，但风险很大。

当你在一个没有点文件的目录中运行ack .*时，shell会执行ack . ..。此时，ack命令的行为是递归地打印出所有非空行（模式.：匹配任意一个字符）在..（当前目录的上级目录）下的所有文件中。与之对比的是ack '.*'，它会在当前目录及其子目录中搜索模式.*（匹配任何内容），这是因为在没有传递任何文件名参数时，ack的行为就是这样。