python glob2/formic 风格递归通配符模式搜索列表

Question

我需要一个 GLOB2或 FORMIC比如在文本文件中搜索大量目录的解决方案(文件不在我的机器上，文件列表是由我无法直接访问或查询的外部进程生成的)

伪例子:

# read the large directory list in memory
data = []
with open('C:\\log_file.txt','r') as log:
    data = log.readlines()

# query away!
query1 = listglob(data,'/**/fnord/*/log.*')
query2 = listglob(data,'/usr/*/model_*/fnord/**')

除非有人提出建议，否则我的下一步是打开 glob2 和 formic 并查看是否可以更改其中之一以接受列表而不是根文件夹作为“os.walked”

Answer 1

我建议使用正则表达式。最终，Formic 和 glob 都使用操作系统调用来执行实际的 glob 匹配。所以，如果你想修改其中任何一个，你将不得不在任何情况下编写一个 RE 匹配器(或类似的)。所以，去掉中间人，直接去找 REs。 (这么说让我很痛苦，因为我是 Formic 的作者)。

基本计划是编写一个接受 glob 并返回正则表达式的函数。以下是一些提示:

1. Escape 和 .、- 以及 glob 中的其他 RE 保留字符。例如 . 变成 \.
2. ? 在 glob 文件/目录中变为 [^/](匹配不是 / 的单个字符)
3. 作为正则表达式的 glob 文件/目录名称中的 * 是 [^/]*
4. 作为正则表达式的 /*/ glob 是:/[^/]+/
5. 作为正则表达式的 /**/ glob 是:/([^/]+/)*
6. 要匹配整行，以 ^ 开始 RE，以 $ 结束。这迫使 RE 扩展到整个字符串。

虽然我按照复杂性递增的顺序列出了替换，但按以下顺序进行替换可能是个好主意:

1. 不是 glob 的特殊 RE 字符(.、-、'$' 等)
2. ?
3. /**/
4. /*/
5. *

这样在替换单个 * 时就不会破坏 /**/。

在你的问题中你有:/**/fnord/*/log.*。这将映射到:

^/([^/]+/)*fnord/[^/]+/log\.[^/]*

构建 RE 后，查找匹配项就是一个简单的练习。