find（1）：如何实现星号通配符以使其在某些文件名上失败？

在文件名使用UTF-8的文件系统中，我的文件名称错误；它显示为：D�sinstaller，根据zsh：的实际名称 D$'\351'sinstaller，Latin1表示Désinstaller，本身是法式野蛮的“卸载”。Zsh不会将其与之匹配，[[ $file =~ '^.*$' ]]但会与之匹配（*这是我期望的行为）。

现在，我仍然希望在运行时能够找到它find . -name '*'-事实上，我绝不会期望文件名能够通过该测试。然而，随着LANG=en_US.utf8，该文件确实不露面，我必须集LANG=C（或en_US，或''）为它工作。

问题： 背后的实现是什么，我如何预测结果？

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

— 米恰尔
source

您是否考虑convmv过将文件名转换为utf-8？

— ctrl-alt-delor

@richard：实际上，我过去常常依赖于[[ $file =~ '^.*$' ]]无法使用recode文件名，但是现在我将调查convmv是否需要。谢谢。

— 迈克尔

Answers:

这是一个非常好的收获。快速浏览GNU find的源代码后，我会说这归结为fnmatch无效字节序列（pred_name_common在中pred.c）的行为：

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

此代码测试fnmatch与0相等的返回值，但不检查错误；这会导致任何错误都报告为“不匹配”。

许多年前，有人建议更改此libc函数的行为，使其始终在*模式上返回true ，即使是在文件名损坏的情况下也是如此，但是据我所知，这个想法一定已经被拒绝（请参阅以https开头的线程）：//sourceware.org/ml/libc-hacker/2002-11/msg00071.html）：

当fnmatch检测到无效的多字节字符时，应退回到单字节匹配，以便“ *”有机会匹配这样的字符串。

为什么这更好或更正确？有没有现行做法？

正如StéphaneChazelas在评论中以及同一2002线程中提到的那样，这与shell执行的glob扩展不一致，shell不会阻塞无效字符。也许更令人困惑的是，反转测试将仅匹配那些名称损坏的文件（使用来创建bash文件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

因此，要回答您的问题，您可以通过了解fnmatch这种情况下的行为并知道如何find处理此函数的返回值来进行预测。您可能无法仅通过阅读文档来查找。

— 达格
source

我对为什么没有解决办法的猜测*是，那将与不一致D*staller。

— ctrl-alt-delor

@richard，这个想法将D*staller与$'D\351sinstaller'我测试过的所有shell的全局匹配。鉴于GNU fnmatch行为与GNU Shell行为不一致，我会说这是一个错误。

— 斯特凡Chazelas

dhag，很深入的回答；非常感激。您介意指出fnmatch符合的标准规格吗？我可以找到通常的POSIX正则表达式规范，该规范指定.只应与编码中的有效字符匹配（因此，我的期望.*与无效字符串不匹配），但是我找不到与星号匹配的规范。

— 迈克尔

我在网上可以找到的最接近的规格在此OpenGroup页面上。它指出匹配应基于用于编码字符的位模式，而不是基于字符的图形表示。和该<星号>是应匹配任何字符串，包括空字符串的图案。 这可以说是@StéphaneChazelas的建议。13年后，它可能是时间再次执行ping上游:-)

— 迈克尔

@Michaël，我也找不到更好的东西。作为比较，也许在Mac OS上，GNU find的行为与shell的状态一致（即，-name '*'匹配所有文件，包括损坏的名称），因此大概是BSD的fnmatch，它不要求POSIX.2符合性，与GNU版本不同，它对无效字符应该做什么的解释有所不同，并且可以说更精明。

— dhag 2015年

find -name选项使用外壳模式匹配表示法来执行匹配的文件名。*是匹配多个字符的模式，应匹配零个或多个字符的字符串。

find使用fnmatch检查模式匹配，因此可以使用ltrace检查结果：

$ 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) +++

使用D\351sinstaller，fnmatchreturn -1，表示它不匹配。像这样的有效字符ሒaa将被匹配。

在您的情况下，对于UTF-8语言环境，\351是无效字符，导致模式匹配失败。

— cuonglm
source

至少要使用+1 ltrace。我确实知道strace，但是ltrace对我来说是新的。可爱！

— 迈克尔