tar的--exclude选项中PATTERN详解

tar的--exclude选项中PATTERN详解

tar的--exclude选项原来只知道一个粗略的用法，比如要排除某个目录，那么可以如此--exclude=<dir-name>；如果要排除有相同前缀的多个目录，比如log, logs, logbak，怎么办？使用通配符，比如--exclude=log*。这倒是没错，但是这能不能保证正好排除这几个目录，而不会把有相同前缀的文件，比如log4j.properties，也排除掉呢？这就必须真正搞明白这个PATTERN是怎么回事，匹配规则到底是怎么回事。

先看一个例子。比如将对当前目录下的一个名为test的目录进行打包操作，目录如下：

$ tree test
test
├── 1.txt
├── log
│   └── 2.txt
├── logs
│   └── 3.txt
├── logspark
│   └── 4.txt
├── main
│   └── log4j
│       └── 7.txt
├── src
│   ├── 5.txt
│   └── logp.txt
└── target
    └── 6.class
    
    
$ find test
test
test/1.txt
test/log
test/log/2.txt
test/logs
test/logs/3.txt
test/logspark
test/logspark/4.txt
test/main
test/main/log4j
test/main/log4j/7.txt
test/src
test/src/5.txt
test/src/logp.txt
test/target
test/target/6.class

上面find命令的结果每一行是一条路径，代表了目录树中一个结点。以路径test/main/log4j/7.txt为例，其中/是路径分隔符，而test,main,log4j,7.txt是这条路径中的路径分量（path components）；若干连续路径分量（多于1个则用/分隔符连接起来），可称为该路径的部分路径。那么匹配规则是如果某路径的部分路径刚好能被PATTERN表示，那么该路径匹配这个PATTERN。考虑到排除了父节点自然会排除其子孙结点，所以判断匹配的时候可以不考虑处于路径中间位置的部分路径（比如main/log4j处于test/main/log4j/7.txt的中间），而只需考虑尾部与路径一样的部分路径（比如对于路径test/main/log4j/7.txt，这样的部分路径有，7.txt,log4j/7.txt,main/log4j/7.txt,test/main/log4j/7.txt）。

容易有一些推论：

• PATTERN一般不能一/结尾，因为/是作为路径分隔符（除非在结点名字中加上这个特殊字符），不是路径分量的一部分，因此正常情况下不存在以/结尾的部分路径。如果有这样的PATTERN，那么匹配不了任何路径。
• PATTERN是某路径分量的一部分，不会匹配任何内容，因为没有这样部分路径。

一些例子：

• PATTERN为lo不匹配任何路径，因为虽然lo是log的一部分，但是没有哪个路径分量是lo。
• PATTERN为lo*，因为lo*可以表示log,logs,logspark,log4j,logp.txt，所以这些结点及其子结点都会被匹配到。
• PATTERN为log?，因为log?只能表示logs这个路径分量，所以只有test/logs及其子节点会被匹配到。

运行实例：

# 排除log目录
$ tar -cf test1.tar --exclude=log test
$ tar -tf test1.tar
test/
test/1.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 意图排除包含lo的目录【失败，排除不了任何内容】
$ tar -cf test1.tar --exclude='lo' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 意图排除以og结束的目录【失败，排除了任何内容】
$ tar -cf test1.tar --exclude='og' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 通配符?的使用
$ tar -cf test1.tar --exclude='log?' test  # log?匹配logs目录
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

$ tar -cf test1.tar --exclude='log??' test  # 匹配log4j目录
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 通配符*的使用
$ tar -cf test1.tar --exclude='log*' test
$ tar -tf test1.tar
test/
test/1.txt
test/main/
test/src/
test/src/5.txt
test/target/
test/target/6.class

$ tar -cf test1.tar --exclude='og*' test  # og*不匹配任何路径分量或部分路径
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 以/结尾【排除了不了任何内容】
$ tar -cf test1.tar --exclude='log/' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

$ tar -cf test1.tar --exclude='log*/' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

# 多个路径分量的PATTERN
$ tar -cf test1.tar --exclude='log/2.txt' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/main/log4j/7.txt
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

$ tar -cf test1.tar --exclude='main/log4j' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class


$ tar -cf test1.tar --exclude='m*/l*/*txt' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/main/log4j/
test/src/
test/src/5.txt
test/src/logp.txt
test/target/
test/target/6.class

从命令tar -cf test1.tar --exclude='log*' test的结果显示，不光log,logs,logspark这些目录确实被排除了，而且其他以log为前缀的文件或目录也被排除了，如test/main/log4j，比如test/src/logp.txt。所以使用通配符的缺点是容易误伤。可能导致一些不相干的文件也被排除了。其实，不使用通配符也可能导致误伤，比如想排除存储日志文件的log目录，可能顺带把某个表示名为log表示与日志有关功能的源码包给排除了。所以最好的办法还是使用从根路径（此处根路径是待打包的目录）到要排除的目录树结点的完整路径来排除，如此不会出错。

减少误伤，可以区分要排除的目录还是文件。比如要排除某个目录，转化为要排除该目录下的所有内容，是可以的。比如

$ tar -cf test1.tar --exclude=target --exclude='log*/*' test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/logs/
test/logspark/
test/main/
test/main/log4j/
test/src/
test/src/5.txt
test/src/logp.txt

PATTERN写成log*/*的形式，因为log*后面跟了一个/，那么可以确保log*匹配的是目录，不可能匹配文件。/后面加个*可以确保这些目录下内容都能被匹配到。当然这种方式log*目录本身是不会被排除的。

更稳妥的办法是不使用通配符，直接指定所有的待排除目录树结点的完整路径。
一种方法是通过--exclude选项逐个添加要排除的路径。比如，

$ tar -cf test1.tar --exclude=test/main/log4j --exclude=test/target test
$ tar -tf test1.tar
test/
test/1.txt
test/log/
test/log/2.txt
test/logs/
test/logs/3.txt
test/logspark/
test/logspark/4.txt
test/main/
test/src/
test/src/5.txt
test/src/logp.txt

另外一种方法是使用tar命令的-X file（即--exclude-from=file的等价形式）参数，结合find命令可以快速达到我们的目的。方法是先用find test -type d命令列出所有目录路径（还可以使用-maxdepth N指定显示层数（根目录的深度是0）），如

$ find test -maxdepth 1 -type d
test
test/log
test/logs
test/logspark
test/main
test/src
test/target

将结果重定向到一个文件中，然后编辑这个文件，将不需要排除的路径删掉，保留需要排除的路径，然后通过-X file参数指定这个文件，那么就可以准确的排除我们需要排除的路径了（因为是从test开始的全部路径，因此每行路径是唯一的，从而不会出现不准确的情况）。