Revert "show -E in error message when called with -E"
[p5sagit/p5-mst-13.2.git] / pod / perlfaq6.pod
1 =head1 NAME
2
3 perlfaq6 - Regular Expressions ($Revision: 10126 $)
4
5 =head1 DESCRIPTION
6
7 This section is surprisingly small because the rest of the FAQ is
8 littered with answers involving regular expressions.  For example,
9 decoding a URL and checking whether something is a number are handled
10 with regular expressions, but those answers are found elsewhere in
11 this document (in L<perlfaq9>: "How do I decode or create those %-encodings
12 on the web" and L<perlfaq4>: "How do I determine whether a scalar is
13 a number/whole/integer/float", to be precise).
14
15 =head2 How can I hope to use regular expressions without creating illegible and unmaintainable code?
16 X<regex, legibility> X<regexp, legibility>
17 X<regular expression, legibility> X</x>
18
19 Three techniques can make regular expressions maintainable and
20 understandable.
21
22 =over 4
23
24 =item Comments Outside the Regex
25
26 Describe what you're doing and how you're doing it, using normal Perl
27 comments.
28
29         # turn the line into the first word, a colon, and the
30         # number of characters on the rest of the line
31         s/^(\w+)(.*)/ lc($1) . ":" . length($2) /meg;
32
33 =item Comments Inside the Regex
34
35 The C</x> modifier causes whitespace to be ignored in a regex pattern
36 (except in a character class), and also allows you to use normal
37 comments there, too.  As you can imagine, whitespace and comments help
38 a lot.
39
40 C</x> lets you turn this:
41
42         s{<(?:[^>'"]*|".*?"|'.*?')+>}{}gs;
43
44 into this:
45
46         s{ <                    # opening angle bracket
47                 (?:                 # Non-backreffing grouping paren
48                         [^>'"] *        # 0 or more things that are neither > nor ' nor "
49                                 |           #    or else
50                         ".*?"           # a section between double quotes (stingy match)
51                                 |           #    or else
52                         '.*?'           # a section between single quotes (stingy match)
53                 ) +                 #   all occurring one or more times
54                 >                   # closing angle bracket
55         }{}gsx;                 # replace with nothing, i.e. delete
56
57 It's still not quite so clear as prose, but it is very useful for
58 describing the meaning of each part of the pattern.
59
60 =item Different Delimiters
61
62 While we normally think of patterns as being delimited with C</>
63 characters, they can be delimited by almost any character.  L<perlre>
64 describes this.  For example, the C<s///> above uses braces as
65 delimiters.  Selecting another delimiter can avoid quoting the
66 delimiter within the pattern:
67
68         s/\/usr\/local/\/usr\/share/g;  # bad delimiter choice
69         s#/usr/local#/usr/share#g;              # better
70
71 =back
72
73 =head2 I'm having trouble matching over more than one line.  What's wrong?
74 X<regex, multiline> X<regexp, multiline> X<regular expression, multiline>
75
76 Either you don't have more than one line in the string you're looking
77 at (probably), or else you aren't using the correct modifier(s) on
78 your pattern (possibly).
79
80 There are many ways to get multiline data into a string.  If you want
81 it to happen automatically while reading input, you'll want to set $/
82 (probably to '' for paragraphs or C<undef> for the whole file) to
83 allow you to read more than one line at a time.
84
85 Read L<perlre> to help you decide which of C</s> and C</m> (or both)
86 you might want to use: C</s> allows dot to include newline, and C</m>
87 allows caret and dollar to match next to a newline, not just at the
88 end of the string.  You do need to make sure that you've actually
89 got a multiline string in there.
90
91 For example, this program detects duplicate words, even when they span
92 line breaks (but not paragraph ones).  For this example, we don't need
93 C</s> because we aren't using dot in a regular expression that we want
94 to cross line boundaries.  Neither do we need C</m> because we aren't
95 wanting caret or dollar to match at any point inside the record next
96 to newlines.  But it's imperative that $/ be set to something other
97 than the default, or else we won't actually ever have a multiline
98 record read in.
99
100         $/ = '';                # read in more whole paragraph, not just one line
101         while ( <> ) {
102                 while ( /\b([\w'-]+)(\s+\1)+\b/gi ) {   # word starts alpha
103                         print "Duplicate $1 at paragraph $.\n";
104                 }
105         }
106
107 Here's code that finds sentences that begin with "From " (which would
108 be mangled by many mailers):
109
110         $/ = '';                # read in more whole paragraph, not just one line
111         while ( <> ) {
112                 while ( /^From /gm ) { # /m makes ^ match next to \n
113                 print "leading from in paragraph $.\n";
114                 }
115         }
116
117 Here's code that finds everything between START and END in a paragraph:
118
119         undef $/;               # read in whole file, not just one line or paragraph
120         while ( <> ) {
121                 while ( /START(.*?)END/sgm ) { # /s makes . cross line boundaries
122                     print "$1\n";
123                 }
124         }
125
126 =head2 How can I pull out lines between two patterns that are themselves on different lines?
127 X<..>
128
129 You can use Perl's somewhat exotic C<..> operator (documented in
130 L<perlop>):
131
132         perl -ne 'print if /START/ .. /END/' file1 file2 ...
133
134 If you wanted text and not lines, you would use
135
136         perl -0777 -ne 'print "$1\n" while /START(.*?)END/gs' file1 file2 ...
137
138 But if you want nested occurrences of C<START> through C<END>, you'll
139 run up against the problem described in the question in this section
140 on matching balanced text.
141
142 Here's another example of using C<..>:
143
144         while (<>) {
145                 $in_header =   1  .. /^$/;
146                 $in_body   = /^$/ .. eof;
147         # now choose between them
148         } continue {
149                 $. = 0 if eof;  # fix $.
150         }
151
152 =head2 I put a regular expression into $/ but it didn't work. What's wrong?
153 X<$/, regexes in> X<$INPUT_RECORD_SEPARATOR, regexes in>
154 X<$RS, regexes in>
155
156 $/ has to be a string.  You can use these examples if you really need to 
157 do this.
158
159 If you have File::Stream, this is easy.
160
161         use File::Stream;
162
163         my $stream = File::Stream->new(
164                 $filehandle,
165                 separator => qr/\s*,\s*/,
166                 );
167
168         print "$_\n" while <$stream>;
169
170 If you don't have File::Stream, you have to do a little more work.
171
172 You can use the four argument form of sysread to continually add to
173 a buffer.  After you add to the buffer, you check if you have a
174 complete line (using your regular expression).
175
176         local $_ = "";
177         while( sysread FH, $_, 8192, length ) {
178                 while( s/^((?s).*?)your_pattern/ ) {
179                         my $record = $1;
180                         # do stuff here.
181                 }
182         }
183
184  You can do the same thing with foreach and a match using the
185  c flag and the \G anchor, if you do not mind your entire file
186  being in memory at the end.
187
188         local $_ = "";
189         while( sysread FH, $_, 8192, length ) {
190                 foreach my $record ( m/\G((?s).*?)your_pattern/gc ) {
191                         # do stuff here.
192                 }
193         substr( $_, 0, pos ) = "" if pos;
194         }
195
196
197 =head2 How do I substitute case insensitively on the LHS while preserving case on the RHS?
198 X<replace, case preserving> X<substitute, case preserving>
199 X<substitution, case preserving> X<s, case preserving>
200
201 Here's a lovely Perlish solution by Larry Rosler.  It exploits
202 properties of bitwise xor on ASCII strings.
203
204         $_= "this is a TEsT case";
205
206         $old = 'test';
207         $new = 'success';
208
209         s{(\Q$old\E)}
210         { uc $new | (uc $1 ^ $1) .
211                 (uc(substr $1, -1) ^ substr $1, -1) x
212                 (length($new) - length $1)
213         }egi;
214
215         print;
216
217 And here it is as a subroutine, modeled after the above:
218
219         sub preserve_case($$) {
220                 my ($old, $new) = @_;
221                 my $mask = uc $old ^ $old;
222
223                 uc $new | $mask .
224                         substr($mask, -1) x (length($new) - length($old))
225     }
226
227         $a = "this is a TEsT case";
228         $a =~ s/(test)/preserve_case($1, "success")/egi;
229         print "$a\n";
230
231 This prints:
232
233         this is a SUcCESS case
234
235 As an alternative, to keep the case of the replacement word if it is
236 longer than the original, you can use this code, by Jeff Pinyan:
237
238         sub preserve_case {
239                 my ($from, $to) = @_;
240                 my ($lf, $lt) = map length, @_;
241
242                 if ($lt < $lf) { $from = substr $from, 0, $lt }
243                 else { $from .= substr $to, $lf }
244
245                 return uc $to | ($from ^ uc $from);
246                 }
247
248 This changes the sentence to "this is a SUcCess case."
249
250 Just to show that C programmers can write C in any programming language,
251 if you prefer a more C-like solution, the following script makes the
252 substitution have the same case, letter by letter, as the original.
253 (It also happens to run about 240% slower than the Perlish solution runs.)
254 If the substitution has more characters than the string being substituted,
255 the case of the last character is used for the rest of the substitution.
256
257         # Original by Nathan Torkington, massaged by Jeffrey Friedl
258         #
259         sub preserve_case($$)
260         {
261                 my ($old, $new) = @_;
262                 my ($state) = 0; # 0 = no change; 1 = lc; 2 = uc
263                 my ($i, $oldlen, $newlen, $c) = (0, length($old), length($new));
264                 my ($len) = $oldlen < $newlen ? $oldlen : $newlen;
265
266                 for ($i = 0; $i < $len; $i++) {
267                         if ($c = substr($old, $i, 1), $c =~ /[\W\d_]/) {
268                                 $state = 0;
269                         } elsif (lc $c eq $c) {
270                                 substr($new, $i, 1) = lc(substr($new, $i, 1));
271                                 $state = 1;
272                         } else {
273                                 substr($new, $i, 1) = uc(substr($new, $i, 1));
274                                 $state = 2;
275                         }
276                 }
277                 # finish up with any remaining new (for when new is longer than old)
278                 if ($newlen > $oldlen) {
279                         if ($state == 1) {
280                                 substr($new, $oldlen) = lc(substr($new, $oldlen));
281                         } elsif ($state == 2) {
282                                 substr($new, $oldlen) = uc(substr($new, $oldlen));
283                         }
284                 }
285                 return $new;
286         }
287
288 =head2 How can I make C<\w> match national character sets?
289 X<\w>
290
291 Put C<use locale;> in your script.  The \w character class is taken
292 from the current locale.
293
294 See L<perllocale> for details.
295
296 =head2 How can I match a locale-smart version of C</[a-zA-Z]/>?
297 X<alpha>
298
299 You can use the POSIX character class syntax C</[[:alpha:]]/>
300 documented in L<perlre>.
301
302 No matter which locale you are in, the alphabetic characters are
303 the characters in \w without the digits and the underscore.
304 As a regex, that looks like C</[^\W\d_]/>.  Its complement,
305 the non-alphabetics, is then everything in \W along with
306 the digits and the underscore, or C</[\W\d_]/>.
307
308 =head2 How can I quote a variable to use in a regex?
309 X<regex, escaping> X<regexp, escaping> X<regular expression, escaping>
310
311 The Perl parser will expand $variable and @variable references in
312 regular expressions unless the delimiter is a single quote.  Remember,
313 too, that the right-hand side of a C<s///> substitution is considered
314 a double-quoted string (see L<perlop> for more details).  Remember
315 also that any regex special characters will be acted on unless you
316 precede the substitution with \Q.  Here's an example:
317
318         $string = "Placido P. Octopus";
319         $regex  = "P.";
320
321         $string =~ s/$regex/Polyp/;
322         # $string is now "Polypacido P. Octopus"
323
324 Because C<.> is special in regular expressions, and can match any
325 single character, the regex C<P.> here has matched the <Pl> in the
326 original string.
327
328 To escape the special meaning of C<.>, we use C<\Q>:
329
330         $string = "Placido P. Octopus";
331         $regex  = "P.";
332
333         $string =~ s/\Q$regex/Polyp/;
334         # $string is now "Placido Polyp Octopus"
335
336 The use of C<\Q> causes the <.> in the regex to be treated as a
337 regular character, so that C<P.> matches a C<P> followed by a dot.
338
339 =head2 What is C</o> really for?
340 X</o, regular expressions> X<compile, regular expressions>
341
342 (contributed by brian d foy)
343
344 The C</o> option for regular expressions (documented in L<perlop> and
345 L<perlreref>) tells Perl to compile the regular expression only once.
346 This is only useful when the pattern contains a variable. Perls 5.6
347 and later handle this automatically if the pattern does not change.
348
349 Since the match operator C<m//>, the substitution operator C<s///>,
350 and the regular expression quoting operator C<qr//> are double-quotish
351 constructs, you can interpolate variables into the pattern. See the
352 answer to "How can I quote a variable to use in a regex?" for more
353 details.
354
355 This example takes a regular expression from the argument list and
356 prints the lines of input that match it:
357
358         my $pattern = shift @ARGV;
359         
360         while( <> ) {
361                 print if m/$pattern/;
362                 }
363
364 Versions of Perl prior to 5.6 would recompile the regular expression
365 for each iteration, even if C<$pattern> had not changed. The C</o>
366 would prevent this by telling Perl to compile the pattern the first
367 time, then reuse that for subsequent iterations:
368
369         my $pattern = shift @ARGV;
370         
371         while( <> ) {
372                 print if m/$pattern/o; # useful for Perl < 5.6
373                 }
374
375 In versions 5.6 and later, Perl won't recompile the regular expression
376 if the variable hasn't changed, so you probably don't need the C</o>
377 option. It doesn't hurt, but it doesn't help either. If you want any
378 version of Perl to compile the regular expression only once even if
379 the variable changes (thus, only using its initial value), you still
380 need the C</o>.
381
382 You can watch Perl's regular expression engine at work to verify for
383 yourself if Perl is recompiling a regular expression. The C<use re
384 'debug'> pragma (comes with Perl 5.005 and later) shows the details.
385 With Perls before 5.6, you should see C<re> reporting that its
386 compiling the regular expression on each iteration. With Perl 5.6 or
387 later, you should only see C<re> report that for the first iteration.
388
389         use re 'debug';
390         
391         $regex = 'Perl';
392         foreach ( qw(Perl Java Ruby Python) ) {
393                 print STDERR "-" x 73, "\n";
394                 print STDERR "Trying $_...\n";
395                 print STDERR "\t$_ is good!\n" if m/$regex/;
396                 }
397
398 =head2 How do I use a regular expression to strip C style comments from a file?
399
400 While this actually can be done, it's much harder than you'd think.
401 For example, this one-liner
402
403         perl -0777 -pe 's{/\*.*?\*/}{}gs' foo.c
404
405 will work in many but not all cases.  You see, it's too simple-minded for
406 certain kinds of C programs, in particular, those with what appear to be
407 comments in quoted strings.  For that, you'd need something like this,
408 created by Jeffrey Friedl and later modified by Fred Curtis.
409
410         $/ = undef;
411         $_ = <>;
412         s#/\*[^*]*\*+([^/*][^*]*\*+)*/|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#defined $2 ? $2 : ""#gse;
413         print;
414
415 This could, of course, be more legibly written with the C</x> modifier, adding
416 whitespace and comments.  Here it is expanded, courtesy of Fred Curtis.
417
418     s{
419        /\*         ##  Start of /* ... */ comment
420        [^*]*\*+    ##  Non-* followed by 1-or-more *'s
421        (
422          [^/*][^*]*\*+
423        )*          ##  0-or-more things which don't start with /
424                    ##    but do end with '*'
425        /           ##  End of /* ... */ comment
426
427      |         ##     OR  various things which aren't comments:
428
429        (
430          "           ##  Start of " ... " string
431          (
432            \\.           ##  Escaped char
433          |               ##    OR
434            [^"\\]        ##  Non "\
435          )*
436          "           ##  End of " ... " string
437
438        |         ##     OR
439
440          '           ##  Start of ' ... ' string
441          (
442            \\.           ##  Escaped char
443          |               ##    OR
444            [^'\\]        ##  Non '\
445          )*
446          '           ##  End of ' ... ' string
447
448        |         ##     OR
449
450          .           ##  Anything other char
451          [^/"'\\]*   ##  Chars which doesn't start a comment, string or escape
452        )
453      }{defined $2 ? $2 : ""}gxse;
454
455 A slight modification also removes C++ comments, as long as they are not
456 spread over multiple lines using a continuation character):
457
458         s#/\*[^*]*\*+([^/*][^*]*\*+)*/|//[^\n]*|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#defined $2 ? $2 : ""#gse;
459
460 =head2 Can I use Perl regular expressions to match balanced text?
461 X<regex, matching balanced test> X<regexp, matching balanced test>
462 X<regular expression, matching balanced test>
463
464 Historically, Perl regular expressions were not capable of matching
465 balanced text.  As of more recent versions of perl including 5.6.1
466 experimental features have been added that make it possible to do this.
467 Look at the documentation for the (??{ }) construct in recent perlre manual
468 pages to see an example of matching balanced parentheses.  Be sure to take
469 special notice of the  warnings present in the manual before making use
470 of this feature.
471
472 CPAN contains many modules that can be useful for matching text
473 depending on the context.  Damian Conway provides some useful
474 patterns in Regexp::Common.  The module Text::Balanced provides a
475 general solution to this problem.
476
477 One of the common applications of balanced text matching is working
478 with XML and HTML.  There are many modules available that support
479 these needs.  Two examples are HTML::Parser and XML::Parser. There
480 are many others.
481
482 An elaborate subroutine (for 7-bit ASCII only) to pull out balanced
483 and possibly nested single chars, like C<`> and C<'>, C<{> and C<}>,
484 or C<(> and C<)> can be found in
485 http://www.cpan.org/authors/id/TOMC/scripts/pull_quotes.gz .
486
487 The C::Scan module from CPAN also contains such subs for internal use,
488 but they are undocumented.
489
490 =head2 What does it mean that regexes are greedy?  How can I get around it?
491 X<greedy> X<greediness>
492
493 Most people mean that greedy regexes match as much as they can.
494 Technically speaking, it's actually the quantifiers (C<?>, C<*>, C<+>,
495 C<{}>) that are greedy rather than the whole pattern; Perl prefers local
496 greed and immediate gratification to overall greed.  To get non-greedy
497 versions of the same quantifiers, use (C<??>, C<*?>, C<+?>, C<{}?>).
498
499 An example:
500
501         $s1 = $s2 = "I am very very cold";
502         $s1 =~ s/ve.*y //;      # I am cold
503         $s2 =~ s/ve.*?y //;     # I am very cold
504
505 Notice how the second substitution stopped matching as soon as it
506 encountered "y ".  The C<*?> quantifier effectively tells the regular
507 expression engine to find a match as quickly as possible and pass
508 control on to whatever is next in line, like you would if you were
509 playing hot potato.
510
511 =head2 How do I process each word on each line?
512 X<word>
513
514 Use the split function:
515
516         while (<>) {
517                 foreach $word ( split ) {
518                         # do something with $word here
519                 }
520         }
521
522 Note that this isn't really a word in the English sense; it's just
523 chunks of consecutive non-whitespace characters.
524
525 To work with only alphanumeric sequences (including underscores), you
526 might consider
527
528         while (<>) {
529                 foreach $word (m/(\w+)/g) {
530                         # do something with $word here
531                 }
532         }
533
534 =head2 How can I print out a word-frequency or line-frequency summary?
535
536 To do this, you have to parse out each word in the input stream.  We'll
537 pretend that by word you mean chunk of alphabetics, hyphens, or
538 apostrophes, rather than the non-whitespace chunk idea of a word given
539 in the previous question:
540
541         while (<>) {
542                 while ( /(\b[^\W_\d][\w'-]+\b)/g ) {   # misses "`sheep'"
543                         $seen{$1}++;
544                 }
545         }
546
547         while ( ($word, $count) = each %seen ) {
548                 print "$count $word\n";
549                 }
550
551 If you wanted to do the same thing for lines, you wouldn't need a
552 regular expression:
553
554         while (<>) {
555                 $seen{$_}++;
556                 }
557
558         while ( ($line, $count) = each %seen ) {
559                 print "$count $line";
560         }
561
562 If you want these output in a sorted order, see L<perlfaq4>: "How do I
563 sort a hash (optionally by value instead of key)?".
564
565 =head2 How can I do approximate matching?
566 X<match, approximate> X<matching, approximate>
567
568 See the module String::Approx available from CPAN.
569
570 =head2 How do I efficiently match many regular expressions at once?
571 X<regex, efficiency> X<regexp, efficiency>
572 X<regular expression, efficiency>
573
574 ( contributed by brian d foy )
575
576 Avoid asking Perl to compile a regular expression every time
577 you want to match it.  In this example, perl must recompile
578 the regular expression for every iteration of the foreach()
579 loop since it has no way to know what $pattern will be.
580
581         @patterns = qw( foo bar baz );
582
583         LINE: while( <DATA> )
584                 {
585                 foreach $pattern ( @patterns )
586                         {
587                         if( /\b$pattern\b/i )
588                                 {
589                                 print;
590                                 next LINE;
591                                 }
592                         }
593                 }
594
595 The qr// operator showed up in perl 5.005.  It compiles a
596 regular expression, but doesn't apply it.  When you use the
597 pre-compiled version of the regex, perl does less work. In
598 this example, I inserted a map() to turn each pattern into
599 its pre-compiled form.  The rest of the script is the same,
600 but faster.
601
602         @patterns = map { qr/\b$_\b/i } qw( foo bar baz );
603
604         LINE: while( <> )
605                 {
606                 foreach $pattern ( @patterns )
607                         {
608                         print if /$pattern/i;
609                         next LINE;
610                         }
611                 }
612
613 In some cases, you may be able to make several patterns into
614 a single regular expression.  Beware of situations that require
615 backtracking though.
616
617         $regex = join '|', qw( foo bar baz );
618
619         LINE: while( <> )
620                 {
621                 print if /\b(?:$regex)\b/i;
622                 }
623
624 For more details on regular expression efficiency, see Mastering
625 Regular Expressions by Jeffrey Freidl.  He explains how regular
626 expressions engine work and why some patterns are surprisingly
627 inefficient.  Once you understand how perl applies regular
628 expressions, you can tune them for individual situations.
629
630 =head2 Why don't word-boundary searches with C<\b> work for me?
631 X<\b>
632
633 (contributed by brian d foy)
634
635 Ensure that you know what \b really does: it's the boundary between a
636 word character, \w, and something that isn't a word character. That
637 thing that isn't a word character might be \W, but it can also be the
638 start or end of the string.
639
640 It's not (not!) the boundary between whitespace and non-whitespace,
641 and it's not the stuff between words we use to create sentences.
642
643 In regex speak, a word boundary (\b) is a "zero width assertion",
644 meaning that it doesn't represent a character in the string, but a
645 condition at a certain position.
646
647 For the regular expression, /\bPerl\b/, there has to be a word
648 boundary before the "P" and after the "l".  As long as something other
649 than a word character precedes the "P" and succeeds the "l", the
650 pattern will match. These strings match /\bPerl\b/.
651
652         "Perl"    # no word char before P or after l
653         "Perl "   # same as previous (space is not a word char)
654         "'Perl'"  # the ' char is not a word char
655         "Perl's"  # no word char before P, non-word char after "l"
656
657 These strings do not match /\bPerl\b/.
658
659         "Perl_"   # _ is a word char!
660         "Perler"  # no word char before P, but one after l
661
662 You don't have to use \b to match words though.  You can look for
663 non-word characters surrounded by word characters.  These strings
664 match the pattern /\b'\b/.
665
666         "don't"   # the ' char is surrounded by "n" and "t"
667         "qep'a'"  # the ' char is surrounded by "p" and "a"
668
669 These strings do not match /\b'\b/.
670
671         "foo'"    # there is no word char after non-word '
672
673 You can also use the complement of \b, \B, to specify that there
674 should not be a word boundary.
675
676 In the pattern /\Bam\B/, there must be a word character before the "a"
677 and after the "m". These patterns match /\Bam\B/:
678
679         "llama"   # "am" surrounded by word chars
680         "Samuel"  # same
681
682 These strings do not match /\Bam\B/
683
684         "Sam"      # no word boundary before "a", but one after "m"
685         "I am Sam" # "am" surrounded by non-word chars
686
687
688 =head2 Why does using $&, $`, or $' slow my program down?
689 X<$MATCH> X<$&> X<$POSTMATCH> X<$'> X<$PREMATCH> X<$`>
690
691 (contributed by Anno Siegel)
692
693 Once Perl sees that you need one of these variables anywhere in the
694 program, it provides them on each and every pattern match. That means
695 that on every pattern match the entire string will be copied, part of it
696 to $`, part to $&, and part to $'. Thus the penalty is most severe with
697 long strings and patterns that match often. Avoid $&, $', and $` if you
698 can, but if you can't, once you've used them at all, use them at will
699 because you've already paid the price. Remember that some algorithms
700 really appreciate them. As of the 5.005 release, the $& variable is no
701 longer "expensive" the way the other two are.
702
703 Since Perl 5.6.1 the special variables @- and @+ can functionally replace
704 $`, $& and $'.  These arrays contain pointers to the beginning and end
705 of each match (see perlvar for the full story), so they give you
706 essentially the same information, but without the risk of excessive
707 string copying.
708
709 =head2 What good is C<\G> in a regular expression?
710 X<\G>
711
712 You use the C<\G> anchor to start the next match on the same
713 string where the last match left off.  The regular
714 expression engine cannot skip over any characters to find
715 the next match with this anchor, so C<\G> is similar to the
716 beginning of string anchor, C<^>.  The C<\G> anchor is typically
717 used with the C<g> flag.  It uses the value of C<pos()>
718 as the position to start the next match.  As the match
719 operator makes successive matches, it updates C<pos()> with the
720 position of the next character past the last match (or the
721 first character of the next match, depending on how you like
722 to look at it). Each string has its own C<pos()> value.
723
724 Suppose you want to match all of consecutive pairs of digits
725 in a string like "1122a44" and stop matching when you
726 encounter non-digits.  You want to match C<11> and C<22> but
727 the letter <a> shows up between C<22> and C<44> and you want
728 to stop at C<a>. Simply matching pairs of digits skips over
729 the C<a> and still matches C<44>.
730
731         $_ = "1122a44";
732         my @pairs = m/(\d\d)/g;   # qw( 11 22 44 )
733
734 If you use the C<\G> anchor, you force the match after C<22> to
735 start with the C<a>.  The regular expression cannot match
736 there since it does not find a digit, so the next match
737 fails and the match operator returns the pairs it already
738 found.
739
740         $_ = "1122a44";
741         my @pairs = m/\G(\d\d)/g; # qw( 11 22 )
742
743 You can also use the C<\G> anchor in scalar context. You
744 still need the C<g> flag.
745
746         $_ = "1122a44";
747         while( m/\G(\d\d)/g )
748                 {
749                 print "Found $1\n";
750                 }
751
752 After the match fails at the letter C<a>, perl resets C<pos()>
753 and the next match on the same string starts at the beginning.
754
755         $_ = "1122a44";
756         while( m/\G(\d\d)/g )
757                 {
758                 print "Found $1\n";
759                 }
760
761         print "Found $1 after while" if m/(\d\d)/g; # finds "11"
762
763 You can disable C<pos()> resets on fail with the C<c> flag, documented
764 in L<perlop> and L<perlreref>. Subsequent matches start where the last
765 successful match ended (the value of C<pos()>) even if a match on the
766 same string has failed in the meantime. In this case, the match after
767 the C<while()> loop starts at the C<a> (where the last match stopped),
768 and since it does not use any anchor it can skip over the C<a> to find
769 C<44>.
770
771         $_ = "1122a44";
772         while( m/\G(\d\d)/gc )
773                 {
774                 print "Found $1\n";
775                 }
776
777         print "Found $1 after while" if m/(\d\d)/g; # finds "44"
778
779 Typically you use the C<\G> anchor with the C<c> flag
780 when you want to try a different match if one fails,
781 such as in a tokenizer. Jeffrey Friedl offers this example
782 which works in 5.004 or later.
783
784         while (<>) {
785                 chomp;
786                 PARSER: {
787                         m/ \G( \d+\b    )/gcx   && do { print "number: $1\n";  redo; };
788                         m/ \G( \w+      )/gcx   && do { print "word:   $1\n";  redo; };
789                         m/ \G( \s+      )/gcx   && do { print "space:  $1\n";  redo; };
790                         m/ \G( [^\w\d]+ )/gcx   && do { print "other:  $1\n";  redo; };
791                 }
792         }
793
794 For each line, the C<PARSER> loop first tries to match a series
795 of digits followed by a word boundary.  This match has to
796 start at the place the last match left off (or the beginning
797 of the string on the first match). Since C<m/ \G( \d+\b
798 )/gcx> uses the C<c> flag, if the string does not match that
799 regular expression, perl does not reset pos() and the next
800 match starts at the same position to try a different
801 pattern.
802
803 =head2 Are Perl regexes DFAs or NFAs?  Are they POSIX compliant?
804 X<DFA> X<NFA> X<POSIX>
805
806 While it's true that Perl's regular expressions resemble the DFAs
807 (deterministic finite automata) of the egrep(1) program, they are in
808 fact implemented as NFAs (non-deterministic finite automata) to allow
809 backtracking and backreferencing.  And they aren't POSIX-style either,
810 because those guarantee worst-case behavior for all cases.  (It seems
811 that some people prefer guarantees of consistency, even when what's
812 guaranteed is slowness.)  See the book "Mastering Regular Expressions"
813 (from O'Reilly) by Jeffrey Friedl for all the details you could ever
814 hope to know on these matters (a full citation appears in
815 L<perlfaq2>).
816
817 =head2 What's wrong with using grep in a void context?
818 X<grep>
819
820 The problem is that grep builds a return list, regardless of the context.
821 This means you're making Perl go to the trouble of building a list that
822 you then just throw away. If the list is large, you waste both time and space.
823 If your intent is to iterate over the list, then use a for loop for this
824 purpose.
825
826 In perls older than 5.8.1, map suffers from this problem as well.
827 But since 5.8.1, this has been fixed, and map is context aware - in void
828 context, no lists are constructed.
829
830 =head2 How can I match strings with multibyte characters?
831 X<regex, and multibyte characters> X<regexp, and multibyte characters>
832 X<regular expression, and multibyte characters> X<martian> X<encoding, Martian>
833
834 Starting from Perl 5.6 Perl has had some level of multibyte character
835 support.  Perl 5.8 or later is recommended.  Supported multibyte
836 character repertoires include Unicode, and legacy encodings
837 through the Encode module.  See L<perluniintro>, L<perlunicode>,
838 and L<Encode>.
839
840 If you are stuck with older Perls, you can do Unicode with the
841 C<Unicode::String> module, and character conversions using the
842 C<Unicode::Map8> and C<Unicode::Map> modules.  If you are using
843 Japanese encodings, you might try using the jperl 5.005_03.
844
845 Finally, the following set of approaches was offered by Jeffrey
846 Friedl, whose article in issue #5 of The Perl Journal talks about
847 this very matter.
848
849 Let's suppose you have some weird Martian encoding where pairs of
850 ASCII uppercase letters encode single Martian letters (i.e. the two
851 bytes "CV" make a single Martian letter, as do the two bytes "SG",
852 "VS", "XX", etc.). Other bytes represent single characters, just like
853 ASCII.
854
855 So, the string of Martian "I am CVSGXX!" uses 12 bytes to encode the
856 nine characters 'I', ' ', 'a', 'm', ' ', 'CV', 'SG', 'XX', '!'.
857
858 Now, say you want to search for the single character C</GX/>. Perl
859 doesn't know about Martian, so it'll find the two bytes "GX" in the "I
860 am CVSGXX!"  string, even though that character isn't there: it just
861 looks like it is because "SG" is next to "XX", but there's no real
862 "GX".  This is a big problem.
863
864 Here are a few ways, all painful, to deal with it:
865
866         # Make sure adjacent "martian" bytes are no longer adjacent.
867         $martian =~ s/([A-Z][A-Z])/ $1 /g;
868
869         print "found GX!\n" if $martian =~ /GX/;
870
871 Or like this:
872
873         @chars = $martian =~ m/([A-Z][A-Z]|[^A-Z])/g;
874         # above is conceptually similar to:     @chars = $text =~ m/(.)/g;
875         #
876         foreach $char (@chars) {
877         print "found GX!\n", last if $char eq 'GX';
878         }
879
880 Or like this:
881
882         while ($martian =~ m/\G([A-Z][A-Z]|.)/gs) {  # \G probably unneeded
883                 print "found GX!\n", last if $1 eq 'GX';
884                 }
885
886 Here's another, slightly less painful, way to do it from Benjamin
887 Goldberg, who uses a zero-width negative look-behind assertion.
888
889         print "found GX!\n" if  $martian =~ m/
890                 (?<![A-Z])
891                 (?:[A-Z][A-Z])*?
892                 GX
893                 /x;
894
895 This succeeds if the "martian" character GX is in the string, and fails
896 otherwise.  If you don't like using (?<!), a zero-width negative
897 look-behind assertion, you can replace (?<![A-Z]) with (?:^|[^A-Z]).
898
899 It does have the drawback of putting the wrong thing in $-[0] and $+[0],
900 but this usually can be worked around.
901
902 =head2 How do I match a regular expression that's in a variable?
903 X<regex, in variable> X<eval> X<regex> X<quotemeta> X<\Q, regex>
904 X<\E, regex>, X<qr//>
905
906 (contributed by brian d foy)
907
908 We don't have to hard-code patterns into the match operator (or
909 anything else that works with regular expressions). We can put the
910 pattern in a variable for later use.
911
912 The match operator is a double quote context, so you can interpolate
913 your variable just like a double quoted string. In this case, you
914 read the regular expression as user input and store it in C<$regex>.
915 Once you have the pattern in C<$regex>, you use that variable in the
916 match operator.
917
918         chomp( my $regex = <STDIN> );
919
920         if( $string =~ m/$regex/ ) { ... }
921
922 Any regular expression special characters in C<$regex> are still
923 special, and the pattern still has to be valid or Perl will complain.
924 For instance, in this pattern there is an unpaired parenthesis.
925
926         my $regex = "Unmatched ( paren";
927
928         "Two parens to bind them all" =~ m/$regex/;
929
930 When Perl compiles the regular expression, it treats the parenthesis
931 as the start of a memory match. When it doesn't find the closing
932 parenthesis, it complains:
933
934         Unmatched ( in regex; marked by <-- HERE in m/Unmatched ( <-- HERE  paren/ at script line 3.
935
936 You can get around this in several ways depending on our situation.
937 First, if you don't want any of the characters in the string to be
938 special, you can escape them with C<quotemeta> before you use the string.
939
940         chomp( my $regex = <STDIN> );
941         $regex = quotemeta( $regex );
942
943         if( $string =~ m/$regex/ ) { ... }
944
945 You can also do this directly in the match operator using the C<\Q>
946 and C<\E> sequences. The C<\Q> tells Perl where to start escaping
947 special characters, and the C<\E> tells it where to stop (see L<perlop>
948 for more details).
949
950         chomp( my $regex = <STDIN> );
951
952         if( $string =~ m/\Q$regex\E/ ) { ... }
953
954 Alternately, you can use C<qr//>, the regular expression quote operator (see
955 L<perlop> for more details).  It quotes and perhaps compiles the pattern,
956 and you can apply regular expression flags to the pattern.
957
958         chomp( my $input = <STDIN> );
959
960         my $regex = qr/$input/is;
961
962         $string =~ m/$regex/  # same as m/$input/is;
963
964 You might also want to trap any errors by wrapping an C<eval> block
965 around the whole thing.
966
967         chomp( my $input = <STDIN> );
968
969         eval {
970                 if( $string =~ m/\Q$input\E/ ) { ... }
971                 };
972         warn $@ if $@;
973
974 Or...
975
976         my $regex = eval { qr/$input/is };
977         if( defined $regex ) {
978                 $string =~ m/$regex/;
979                 }
980         else {
981                 warn $@;
982                 }
983
984 =head1 REVISION
985
986 Revision: $Revision: 10126 $
987
988 Date: $Date: 2007-10-27 21:29:20 +0200 (Sat, 27 Oct 2007) $
989
990 See L<perlfaq> for source control details and availability.
991
992 =head1 AUTHOR AND COPYRIGHT
993
994 Copyright (c) 1997-2007 Tom Christiansen, Nathan Torkington, and
995 other authors as noted. All rights reserved.
996
997 This documentation is free; you can redistribute it and/or modify it
998 under the same terms as Perl itself.
999
1000 Irrespective of its distribution, all code examples in this file
1001 are hereby placed into the public domain.  You are permitted and
1002 encouraged to use this code in your own programs for fun
1003 or for profit as you see fit.  A simple comment in the code giving
1004 credit would be courteous but is not required.