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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216

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
1
2
3
4
5
6
7
8
9
10
11
12

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
1
2
3
4
5
6
7
8
9
10
11
12
13
14

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
1
2
3
4
5
6
7
8

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）。