major pod update from Tom Christiansen
[p5sagit/p5-mst-13.2.git] / pod / perlre.pod
1 =head1 NAME
2
3 perlre - Perl regular expressions
4
5 =head1 DESCRIPTION
6
7 This page describes the syntax of regular expressions in Perl.  For a
8 description of how to I<use> regular expressions in matching
9 operations, plus various examples of the same, see discussions
10 of C<m//>, C<s///>, C<qr//> and C<??> in L<perlop/"Regexp Quote-Like Operators">.
11
12 Matching operations can have various modifiers.  Modifiers
13 that relate to the interpretation of the regular expression inside
14 are listed below.  Modifiers that alter the way a regular expression
15 is used by Perl are detailed in L<perlop/"Regexp Quote-Like Operators"> and 
16 L<perlop/"Gory details of parsing quoted constructs">.
17
18 =over 4
19
20 =item i
21
22 Do case-insensitive pattern matching.
23
24 If C<use locale> is in effect, the case map is taken from the current
25 locale.  See L<perllocale>.
26
27 =item m
28
29 Treat string as multiple lines.  That is, change "^" and "$" from matching
30 at only the very start or end of the string to the start or end of any
31 line anywhere within the string.
32
33 =item s
34
35 Treat string as single line.  That is, change "." to match any character
36 whatsoever, even a newline, which normally it would not match.
37
38 The C</s> and C</m> modifiers both override the C<$*> setting.  That
39 is, no matter what C<$*> contains, C</s> without C</m> will force
40 "^" to match only at the beginning of the string and "$" to match
41 only at the end (or just before a newline at the end) of the string.
42 Together, as /ms, they let the "." match any character whatsoever,
43 while yet allowing "^" and "$" to match, respectively, just after
44 and just before newlines within the string.
45
46 =item x
47
48 Extend your pattern's legibility by permitting whitespace and comments.
49
50 =back
51
52 These are usually written as "the C</x> modifier", even though the delimiter
53 in question might not actually be a slash.  In fact, any of these
54 modifiers may also be embedded within the regular expression itself using
55 the new C<(?...)> construct.  See below.
56
57 The C</x> modifier itself needs a little more explanation.  It tells
58 the regular expression parser to ignore whitespace that is neither
59 backslashed nor within a character class.  You can use this to break up
60 your regular expression into (slightly) more readable parts.  The C<#>
61 character is also treated as a metacharacter introducing a comment,
62 just as in ordinary Perl code.  This also means that if you want real
63 whitespace or C<#> characters in the pattern (outside of a character
64 class, where they are unaffected by C</x>), that you'll either have to 
65 escape them or encode them using octal or hex escapes.  Taken together,
66 these features go a long way towards making Perl's regular expressions
67 more readable.  Note that you have to be careful not to include the
68 pattern delimiter in the comment--perl has no way of knowing you did
69 not intend to close the pattern early.  See the C-comment deletion code
70 in L<perlop>.
71
72 =head2 Regular Expressions
73
74 The patterns used in Perl pattern matching derive from supplied in
75 the Version 8 regex routines.  (In fact, the routines are derived
76 (distantly) from Henry Spencer's freely redistributable reimplementation
77 of the V8 routines.)  See L<Version 8 Regular Expressions> for
78 details.
79
80 In particular the following metacharacters have their standard I<egrep>-ish
81 meanings:
82
83     \   Quote the next metacharacter
84     ^   Match the beginning of the line
85     .   Match any character (except newline)
86     $   Match the end of the line (or before newline at the end)
87     |   Alternation
88     ()  Grouping
89     []  Character class
90
91 By default, the "^" character is guaranteed to match at only the
92 beginning of the string, the "$" character at only the end (or before the
93 newline at the end) and Perl does certain optimizations with the
94 assumption that the string contains only one line.  Embedded newlines
95 will not be matched by "^" or "$".  You may, however, wish to treat a
96 string as a multi-line buffer, such that the "^" will match after any
97 newline within the string, and "$" will match before any newline.  At the
98 cost of a little more overhead, you can do this by using the /m modifier
99 on the pattern match operator.  (Older programs did this by setting C<$*>,
100 but this practice is now deprecated.)
101
102 To facilitate multi-line substitutions, the "." character never matches a
103 newline unless you use the C</s> modifier, which in effect tells Perl to pretend
104 the string is a single line--even if it isn't.  The C</s> modifier also
105 overrides the setting of C<$*>, in case you have some (badly behaved) older
106 code that sets it in another module.
107
108 The following standard quantifiers are recognized:
109
110     *      Match 0 or more times
111     +      Match 1 or more times
112     ?      Match 1 or 0 times
113     {n}    Match exactly n times
114     {n,}   Match at least n times
115     {n,m}  Match at least n but not more than m times
116
117 (If a curly bracket occurs in any other context, it is treated
118 as a regular character.)  The "*" modifier is equivalent to C<{0,}>, the "+"
119 modifier to C<{1,}>, and the "?" modifier to C<{0,1}>.  n and m are limited
120 to integral values less than a preset limit defined when perl is built.
121 This is usually 32766 on the most common platforms.  The actual limit can
122 be seen in the error message generated by code such as this:
123
124         $_ **= $_ , / {$_} / for 2 .. 42;
125
126 By default, a quantified subpattern is "greedy", that is, it will match as
127 many times as possible (given a particular starting location) while still
128 allowing the rest of the pattern to match.  If you want it to match the
129 minimum number of times possible, follow the quantifier with a "?".  Note
130 that the meanings don't change, just the "greediness":
131
132     *?     Match 0 or more times
133     +?     Match 1 or more times
134     ??     Match 0 or 1 time
135     {n}?   Match exactly n times
136     {n,}?  Match at least n times
137     {n,m}? Match at least n but not more than m times
138
139 Because patterns are processed as double quoted strings, the following
140 also work:
141
142     \t          tab                   (HT, TAB)
143     \n          newline               (LF, NL)
144     \r          return                (CR)
145     \f          form feed             (FF)
146     \a          alarm (bell)          (BEL)
147     \e          escape (think troff)  (ESC)
148     \033        octal char (think of a PDP-11)
149     \x1B        hex char
150     \x{263a}    wide hex char         (Unicode SMILEY)
151     \c[         control char
152     \l          lowercase next char (think vi)
153     \u          uppercase next char (think vi)
154     \L          lowercase till \E (think vi)
155     \U          uppercase till \E (think vi)
156     \E          end case modification (think vi)
157     \Q          quote (disable) pattern metacharacters till \E
158
159 If C<use locale> is in effect, the case map used by C<\l>, C<\L>, C<\u>
160 and C<\U> is taken from the current locale.  See L<perllocale>.
161
162 You cannot include a literal C<$> or C<@> within a C<\Q> sequence.
163 An unescaped C<$> or C<@> interpolates the corresponding variable,
164 while escaping will cause the literal string C<\$> to be matched.
165 You'll need to write something like C<m/\Quser\E\@\Qhost/>.
166
167 In addition, Perl defines the following:
168
169     \w  Match a "word" character (alphanumeric plus "_")
170     \W  Match a non-word character
171     \s  Match a whitespace character
172     \S  Match a non-whitespace character
173     \d  Match a digit character
174     \D  Match a non-digit character
175     \pP Match P, named property.  Use \p{Prop} for longer names.
176     \PP Match non-P
177     \X  Match eXtended Unicode "combining character sequence",
178         equivalent to C<(?:\PM\pM*)>
179     \C  Match a single C char (octet) even under utf8.
180
181 A C<\w> matches a single alphanumeric character, not a whole word.
182 To match a word you'd need to say C<\w+>.  If C<use locale> is in
183 effect, the list of alphabetic characters generated by C<\w> is
184 taken from the current locale.  See L<perllocale>. You may use
185 C<\w>, C<\W>, C<\s>, C<\S>, C<\d>, and C<\D> within character classes
186 (though not as either end of a range).  See L<utf8> for details
187 about C<\pP>, C<\PP>, and C<\X>.
188
189 Perl defines the following zero-width assertions:
190
191     \b  Match a word boundary
192     \B  Match a non-(word boundary)
193     \A  Match only at beginning of string
194     \Z  Match only at end of string, or before newline at the end
195     \z  Match only at end of string
196     \G  Match only where previous m//g left off (works only with /g)
197
198 A word boundary (C<\b>) is defined as a spot between two characters
199 that has a C<\w> on one side of it and a C<\W> on the other side
200 of it (in either order), counting the imaginary characters off the
201 beginning and end of the string as matching a C<\W>.  (Within
202 character classes C<\b> represents backspace rather than a word
203 boundary, just as it normally does in any double-quoted string.)
204 The C<\A> and C<\Z> are just like "^" and "$", except that they
205 won't match multiple times when the C</m> modifier is used, while
206 "^" and "$" will match at every internal line boundary.  To match
207 the actual end of the string and not ignore an optional trailing
208 newline, use C<\z>.
209
210 The C<\G> assertion can be used to chain global matches (using
211 C<m//g>), as described in L<perlop/"Regexp Quote-Like Operators">.
212 It is also useful when writing C<lex>-like scanners, when you have
213 several patterns that you want to match against consequent substrings
214 of your string, see the previous reference.  The actual location
215 where C<\G> will match can also be influenced by using C<pos()> as
216 an lvalue.  See L<perlfunc/pos>.
217
218 When the bracketing construct C<( ... )> is used to create a capture
219 buffer, \E<lt>digitE<gt> matches the digit'th substring.  Outside
220 of the pattern, always use "$" instead of "\" in front of the digit.
221 (While the \E<lt>digitE<gt> notation can on rare occasion work
222 outside the current pattern, this should not be relied upon.  See
223 the WARNING below.)  The scope of $E<lt>digitE<gt> (and C<$`>,
224 C<$&>, and C<$'>) extends to the end of the enclosing BLOCK or eval
225 string, or to the next successful pattern match, whichever comes
226 first.  If you want to use parentheses to delimit a subpattern
227 (e.g., a set of alternatives) without saving it as a subpattern,
228 follow the ( with a ?:.
229
230 You may have as many parentheses as you wish.  If you have more
231 than 9 captured substrings, the variables $10, $11, ... refer to
232 the corresponding substring.  Within the pattern, \10, \11, etc.
233 refer back to substrings if there have been at least that many left
234 parentheses before the backreference.  Otherwise (for backward
235 compatibility) \10 is the same as \010, a backspace, and \11 the
236 same as \011, a tab.  And so on.  (\1 through \9 are always
237 backreferences.)
238
239 C<$+> returns whatever the last bracket match matched.  C<$&> returns the
240 entire matched string.  (C<$0> used to return the same thing, but not any
241 more.)  C<$`> returns everything before the matched string.  C<$'> returns
242 everything after the matched string.  Examples:
243
244     s/^([^ ]*) *([^ ]*)/$2 $1/;     # swap first two words
245
246     if (/Time: (..):(..):(..)/) {
247         $hours = $1;
248         $minutes = $2;
249         $seconds = $3;
250     }
251
252 Once Perl sees that you need one of C<$&>, C<$`> or C<$'> anywhere in
253 the program, it has to provide them on each and every pattern match.
254 This can slow your program down.  The same mechanism that handles
255 these provides for the use of $1, $2, etc., so you pay the same price
256 for each pattern that contains capturing parentheses.  But if you never
257 use $&, etc., in your script, then patterns I<without> capturing
258 parentheses won't be penalized.  So avoid $&, $', and $` if you can,
259 but if you can't (and some algorithms really appreciate them), once
260 you've used them once, use them at will, because you've already paid
261 the price.  As of 5.005, $& is not so costly as the other two.
262
263 Backslashed metacharacters in Perl are alphanumeric, such as C<\b>,
264 C<\w>, C<\n>.  Unlike some other regular expression languages, there
265 are no backslashed symbols that aren't alphanumeric.  So anything
266 that looks like \\, \(, \), \E<lt>, \E<gt>, \{, or \} is always
267 interpreted as a literal character, not a metacharacter.  This was
268 once used in a common idiom to disable or quote the special meanings
269 of regular expression metacharacters in a string that you want to
270 use for a pattern. Simply quote all non-alphanumeric characters:
271
272     $pattern =~ s/(\W)/\\$1/g;
273
274 In modern days, it is more common to see either the quotemeta()
275 function or the C<\Q> metaquoting escape sequence used to disable
276 all metacharacters' special meanings like this:
277
278     /$unquoted\Q$quoted\E$unquoted/
279
280 =head2 Extended Patterns
281
282 For those situations where simple regular expression patterns are
283 not enough, Perl defines a consistent extension syntax for venturing
284 beyond simple patterns such as are found in standard tools like
285 B<awk> and B<lex>.  That syntax is a pair of parentheses with a
286 question mark as the first thing within the parentheses (this was
287 a syntax error in older versions of Perl).  The character after the
288 question mark gives the function of the extension.  
289
290 Many extensions are already supported, some for almost five years
291 now.  Other, more exotic forms are very new, and should be considered
292 highly experimental, and are so marked.
293
294 A question mark was chosen for this and for the new minimal-matching
295 construct because 1) question mark is pretty rare in older regular
296 expressions, and 2) whenever you see one, you should stop and "question"
297 exactly what is going on.  That's psychology...
298
299 =over 10
300
301 =item C<(?#text)>
302
303 A comment.  The text is ignored.  If the C</x> modifier is used to enable
304 whitespace formatting, a simple C<#> will suffice.  Note that Perl closes
305 the comment as soon as it sees a C<)>, so there is no way to put a literal
306 C<)> in the comment.
307
308 =item C<(?imsx-imsx)>
309
310 One or more embedded pattern-match modifiers.  This is particularly
311 useful for dynamic patterns, such as those read in from a configuration
312 file, read in as an argument, are specified in a table somewhere,
313 etc.  Consider the case that some of which want to be case sensitive
314 and some do not.  The case insensitive ones need to include merely
315 C<(?i)> at the front of the pattern.  For example:
316
317     $pattern = "foobar";
318     if ( /$pattern/i ) { } 
319
320     # more flexible:
321
322     $pattern = "(?i)foobar";
323     if ( /$pattern/ ) { } 
324
325 Letters after a C<-> turn those modifiers off.  These modifiers are
326 localized inside an enclosing group (if any).  For example,
327
328     ( (?i) blah ) \s+ \1
329
330 will match a repeated (I<including the case>!) word C<blah> in any
331 case, assuming C<x> modifier, and no C<i> modifier outside of this
332 group.
333
334 =item C<(?:pattern)>
335
336 =item C<(?imsx-imsx:pattern)>
337
338 This is for clustering, not capturing; it groups subexpressions like
339 "()", but doesn't make backreferences as "()" does.  So
340
341     @fields = split(/\b(?:a|b|c)\b/)
342
343 is like
344
345     @fields = split(/\b(a|b|c)\b/)
346
347 but doesn't spit out extra fields.  It's also cheaper not to capture
348 characters if you don't need to.
349
350 Any letters between C<?> and C<:> act as flags modifiers as with
351 C<(?imsx-imsx)>.  For example, 
352
353     /(?s-i:more.*than).*million/i
354
355 is equivalent to more verbose
356
357     /(?:(?s-i)more.*than).*million/i
358
359 =item C<(?=pattern)>
360
361 A zero-width positive look-ahead assertion.  For example, C</\w+(?=\t)/>
362 matches a word followed by a tab, without including the tab in C<$&>.
363
364 =item C<(?!pattern)>
365
366 A zero-width negative look-ahead assertion.  For example C</foo(?!bar)/>
367 matches any occurrence of "foo" that isn't followed by "bar".  Note
368 however that look-ahead and look-behind are NOT the same thing.  You cannot
369 use this for look-behind.
370
371 If you are looking for a "bar" that isn't preceded by a "foo", C</(?!foo)bar/>
372 will not do what you want.  That's because the C<(?!foo)> is just saying that
373 the next thing cannot be "foo"--and it's not, it's a "bar", so "foobar" will
374 match.  You would have to do something like C</(?!foo)...bar/> for that.   We
375 say "like" because there's the case of your "bar" not having three characters
376 before it.  You could cover that this way: C</(?:(?!foo)...|^.{0,2})bar/>.
377 Sometimes it's still easier just to say:
378
379     if (/bar/ && $` !~ /foo$/)
380
381 For look-behind see below.
382
383 =item C<(?E<lt>=pattern)>
384
385 A zero-width positive look-behind assertion.  For example, C</(?E<lt>=\t)\w+/>
386 matches a word that follows a tab, without including the tab in C<$&>.
387 Works only for fixed-width look-behind.
388
389 =item C<(?<!pattern)>
390
391 A zero-width negative look-behind assertion.  For example C</(?<!bar)foo/>
392 matches any occurrence of "foo" that does not follow "bar".  Works
393 only for fixed-width look-behind.
394
395 =item C<(?{ code })>
396
397 B<WARNING>: This extended regular expression feature is considered
398 highly experimental, and may be changed or deleted without notice.
399
400 This zero-width assertion evaluate any embedded Perl code.  It
401 always succeeds, and its C<code> is not interpolated.  Currently,
402 the rules to determine where the C<code> ends are somewhat convoluted.
403
404 The C<code> is properly scoped in the following sense: If the assertion
405 is backtracked (compare L<"Backtracking">), all changes introduced after
406 C<local>ization are undone, so that
407
408   $_ = 'a' x 8;
409   m< 
410      (?{ $cnt = 0 })                    # Initialize $cnt.
411      (
412        a 
413        (?{
414            local $cnt = $cnt + 1;       # Update $cnt, backtracking-safe.
415        })
416      )*  
417      aaaa
418      (?{ $res = $cnt })                 # On success copy to non-localized
419                                         # location.
420    >x;
421
422 will set C<$res = 4>.  Note that after the match, $cnt returns to the globally
423 introduced value, since the scopes which restrict C<local> operators
424 are unwound.
425
426 This assertion may be used as a C<(?(condition)yes-pattern|no-pattern)>
427 switch.  If I<not> used in this way, the result of evaluation of
428 C<code> is put into the special variable C<$^R>.  This happens
429 immediately, so C<$^R> can be used from other C<(?{ code })> assertions
430 inside the same regular expression.
431
432 The assignment to C<$^R> above is properly localized, so the old
433 value of C<$^R> is restored if the assertion is backtracked; compare
434 L<"Backtracking">.
435
436 For reasons of security, this construct is forbidden if the regular
437 expression involves run-time interpolation of variables, unless the
438 perilous C<use re 'eval'> pragma has been used (see L<re>), or the
439 variables contain results of C<qr//> operator (see
440 L<perlop/"qr/STRING/imosx">).  
441
442 This restriction is due to the wide-spread and remarkably convenient
443 custom of using run-time determined strings as patterns.  For example:
444
445     $re = <>;
446     chomp $re;
447     $string =~ /$re/;
448
449 Prior to the execution of code in a pattern, this was completely
450 safe from a security point of view, although it could of course
451 raise an exception from an illegal pattern.  If you turn on the
452 C<use re 'eval'>, though, it is no longer secure, so you should
453 only do so if you are also using taint checking.  Better yet, use
454 the carefully constrained evaluation within a Safe module.  See
455 L<perlsec> for details about both these mechanisms.
456
457 =item C<(?p{ code })>
458
459 B<WARNING>: This extended regular expression feature is considered
460 highly experimental, and may be changed or deleted without notice.
461
462 This is a "postponed" regular subexpression.  The C<code> is evaluated
463 at run time, at the moment this subexpression may match.  The result
464 of evaluation is considered as a regular expression and matched as
465 if it were inserted instead of this construct.
466
467 C<code> is not interpolated.  As before, the rules to determine
468 where the C<code> ends are currently somewhat convoluted.
469
470 The following pattern matches a parenthesized group:
471
472   $re = qr{
473              \(
474              (?:
475                 (?> [^()]+ )    # Non-parens without backtracking
476               |
477                 (?p{ $re })     # Group with matching parens
478              )*
479              \)
480           }x;
481
482 =item C<(?E<gt>pattern)>
483
484 B<WARNING>: This extended regular expression feature is considered
485 highly experimental, and may be changed or deleted without notice.
486
487 An "independent" subexpression, one which matches the substring
488 that a I<standalone> C<pattern> would match if anchored at the given
489 position -- but it matches no more than this substring.  This
490 construct is useful for optimizations of what would otherwise be
491 "eternal" matches, because it will not backtrack (see L<"Backtracking">).
492
493 For example: C<^(?E<gt>a*)ab> will never match, since C<(?E<gt>a*)>
494 (anchored at the beginning of string, as above) will match I<all>
495 characters C<a> at the beginning of string, leaving no C<a> for
496 C<ab> to match.  In contrast, C<a*ab> will match the same as C<a+b>,
497 since the match of the subgroup C<a*> is influenced by the following
498 group C<ab> (see L<"Backtracking">).  In particular, C<a*> inside
499 C<a*ab> will match fewer characters than a standalone C<a*>, since
500 this makes the tail match.
501
502 An effect similar to C<(?E<gt>pattern)> may be achieved by writing
503 C<(?=(pattern))\1>.  This matches the same substring as a standalone
504 C<a+>, and the following C<\1> eats the matched string; it therefore
505 makes a zero-length assertion into an analogue of C<(?E<gt>...)>.
506 (The difference between these two constructs is that the second one
507 uses a capturing group, thus shifting ordinals of backreferences
508 in the rest of a regular expression.)
509
510 Consider this pattern:
511
512     m{ \(
513           ( 
514             [^()]+ 
515           | 
516             \( [^()]* \)
517           )+
518        \) 
519      }x
520
521 That will efficiently match a nonempty group with matching parentheses
522 two levels deep or less.  However, if there is no such group, it
523 will take virtually forever on a long string.  That's because there
524 are so many different ways to split a long string into several
525 substrings.  This is what C<(.+)+> is doing, and C<(.+)+> is similar
526 to a subpattern of the above pattern.  Consider how the pattern
527 above detects no-match on C<((()aaaaaaaaaaaaaaaaaa> in several
528 seconds, but that each extra letter doubles this time.  This
529 exponential performance will make it appear that your program has
530 hung.  However, a tiny modification of this pattern
531
532     m{ \( 
533           ( 
534             (?> [^()]+ )
535           | 
536             \( [^()]* \)
537           )+
538        \) 
539      }x
540
541 which uses C<(?E<gt>...)> matches exactly when the one above does (verifying
542 this yourself would be a productive exercise), but finishes in a fourth
543 the time when used on a similar string with 1000000 C<a>s.  Be aware,
544 however, that this pattern currently triggers a warning message under
545 B<-w> saying it C<"matches the null string many times">):
546
547 On simple groups, such as the pattern C<(?E<gt> [^()]+ )>, a comparable
548 effect may be achieved by negative look-ahead, as in C<[^()]+ (?! [^()] )>.
549 This was only 4 times slower on a string with 1000000 C<a>s.
550
551 =item C<(?(condition)yes-pattern|no-pattern)>
552
553 =item C<(?(condition)yes-pattern)>
554
555 B<WARNING>: This extended regular expression feature is considered
556 highly experimental, and may be changed or deleted without notice.
557
558 Conditional expression.  C<(condition)> should be either an integer in
559 parentheses (which is valid if the corresponding pair of parentheses
560 matched), or look-ahead/look-behind/evaluate zero-width assertion.
561
562 For example:
563
564     m{ ( \( )? 
565        [^()]+ 
566        (?(1) \) ) 
567      }x
568
569 matches a chunk of non-parentheses, possibly included in parentheses
570 themselves.
571
572 =back
573
574 =head2 Backtracking
575
576 A fundamental feature of regular expression matching involves the
577 notion called I<backtracking>, which is currently used (when needed)
578 by all regular expression quantifiers, namely C<*>, C<*?>, C<+>,
579 C<+?>, C<{n,m}>, and C<{n,m}?>.
580
581 For a regular expression to match, the I<entire> regular expression must
582 match, not just part of it.  So if the beginning of a pattern containing a
583 quantifier succeeds in a way that causes later parts in the pattern to
584 fail, the matching engine backs up and recalculates the beginning
585 part--that's why it's called backtracking.
586
587 Here is an example of backtracking:  Let's say you want to find the
588 word following "foo" in the string "Food is on the foo table.":
589
590     $_ = "Food is on the foo table.";
591     if ( /\b(foo)\s+(\w+)/i ) {
592         print "$2 follows $1.\n";
593     }
594
595 When the match runs, the first part of the regular expression (C<\b(foo)>)
596 finds a possible match right at the beginning of the string, and loads up
597 $1 with "Foo".  However, as soon as the matching engine sees that there's
598 no whitespace following the "Foo" that it had saved in $1, it realizes its
599 mistake and starts over again one character after where it had the
600 tentative match.  This time it goes all the way until the next occurrence
601 of "foo". The complete regular expression matches this time, and you get
602 the expected output of "table follows foo."
603
604 Sometimes minimal matching can help a lot.  Imagine you'd like to match
605 everything between "foo" and "bar".  Initially, you write something
606 like this:
607
608     $_ =  "The food is under the bar in the barn.";
609     if ( /foo(.*)bar/ ) {
610         print "got <$1>\n";
611     }
612
613 Which perhaps unexpectedly yields:
614
615   got <d is under the bar in the >
616
617 That's because C<.*> was greedy, so you get everything between the
618 I<first> "foo" and the I<last> "bar".  In this case, it's more effective
619 to use minimal matching to make sure you get the text between a "foo"
620 and the first "bar" thereafter.
621
622     if ( /foo(.*?)bar/ ) { print "got <$1>\n" }
623   got <d is under the >
624
625 Here's another example: let's say you'd like to match a number at the end
626 of a string, and you also want to keep the preceding part the match.
627 So you write this:
628
629     $_ = "I have 2 numbers: 53147";
630     if ( /(.*)(\d*)/ ) {                                # Wrong!
631         print "Beginning is <$1>, number is <$2>.\n";
632     }
633
634 That won't work at all, because C<.*> was greedy and gobbled up the
635 whole string. As C<\d*> can match on an empty string the complete
636 regular expression matched successfully.
637
638     Beginning is <I have 2 numbers: 53147>, number is <>.
639
640 Here are some variants, most of which don't work:
641
642     $_ = "I have 2 numbers: 53147";
643     @pats = qw{
644         (.*)(\d*)
645         (.*)(\d+)
646         (.*?)(\d*)
647         (.*?)(\d+)
648         (.*)(\d+)$
649         (.*?)(\d+)$
650         (.*)\b(\d+)$
651         (.*\D)(\d+)$
652     };
653
654     for $pat (@pats) {
655         printf "%-12s ", $pat;
656         if ( /$pat/ ) {
657             print "<$1> <$2>\n";
658         } else {
659             print "FAIL\n";
660         }
661     }
662
663 That will print out:
664
665     (.*)(\d*)    <I have 2 numbers: 53147> <>
666     (.*)(\d+)    <I have 2 numbers: 5314> <7>
667     (.*?)(\d*)   <> <>
668     (.*?)(\d+)   <I have > <2>
669     (.*)(\d+)$   <I have 2 numbers: 5314> <7>
670     (.*?)(\d+)$  <I have 2 numbers: > <53147>
671     (.*)\b(\d+)$ <I have 2 numbers: > <53147>
672     (.*\D)(\d+)$ <I have 2 numbers: > <53147>
673
674 As you see, this can be a bit tricky.  It's important to realize that a
675 regular expression is merely a set of assertions that gives a definition
676 of success.  There may be 0, 1, or several different ways that the
677 definition might succeed against a particular string.  And if there are
678 multiple ways it might succeed, you need to understand backtracking to
679 know which variety of success you will achieve.
680
681 When using look-ahead assertions and negations, this can all get even
682 tricker.  Imagine you'd like to find a sequence of non-digits not
683 followed by "123".  You might try to write that as
684
685     $_ = "ABC123";
686     if ( /^\D*(?!123)/ ) {              # Wrong!
687         print "Yup, no 123 in $_\n";
688     }
689
690 But that isn't going to match; at least, not the way you're hoping.  It
691 claims that there is no 123 in the string.  Here's a clearer picture of
692 why it that pattern matches, contrary to popular expectations:
693
694     $x = 'ABC123' ;
695     $y = 'ABC445' ;
696
697     print "1: got $1\n" if $x =~ /^(ABC)(?!123)/ ;
698     print "2: got $1\n" if $y =~ /^(ABC)(?!123)/ ;
699
700     print "3: got $1\n" if $x =~ /^(\D*)(?!123)/ ;
701     print "4: got $1\n" if $y =~ /^(\D*)(?!123)/ ;
702
703 This prints
704
705     2: got ABC
706     3: got AB
707     4: got ABC
708
709 You might have expected test 3 to fail because it seems to a more
710 general purpose version of test 1.  The important difference between
711 them is that test 3 contains a quantifier (C<\D*>) and so can use
712 backtracking, whereas test 1 will not.  What's happening is
713 that you've asked "Is it true that at the start of $x, following 0 or more
714 non-digits, you have something that's not 123?"  If the pattern matcher had
715 let C<\D*> expand to "ABC", this would have caused the whole pattern to
716 fail.
717 The search engine will initially match C<\D*> with "ABC".  Then it will
718 try to match C<(?!123> with "123", which of course fails.  But because
719 a quantifier (C<\D*>) has been used in the regular expression, the
720 search engine can backtrack and retry the match differently
721 in the hope of matching the complete regular expression.
722
723 The pattern really, I<really> wants to succeed, so it uses the
724 standard pattern back-off-and-retry and lets C<\D*> expand to just "AB" this
725 time.  Now there's indeed something following "AB" that is not
726 "123".  It's in fact "C123", which suffices.
727
728 We can deal with this by using both an assertion and a negation.  We'll
729 say that the first part in $1 must be followed by a digit, and in fact, it
730 must also be followed by something that's not "123".  Remember that the
731 look-aheads are zero-width expressions--they only look, but don't consume
732 any of the string in their match.  So rewriting this way produces what
733 you'd expect; that is, case 5 will fail, but case 6 succeeds:
734
735     print "5: got $1\n" if $x =~ /^(\D*)(?=\d)(?!123)/ ;
736     print "6: got $1\n" if $y =~ /^(\D*)(?=\d)(?!123)/ ;
737
738     6: got ABC
739
740 In other words, the two zero-width assertions next to each other work as though
741 they're ANDed together, just as you'd use any built-in assertions:  C</^$/>
742 matches only if you're at the beginning of the line AND the end of the
743 line simultaneously.  The deeper underlying truth is that juxtaposition in
744 regular expressions always means AND, except when you write an explicit OR
745 using the vertical bar.  C</ab/> means match "a" AND (then) match "b",
746 although the attempted matches are made at different positions because "a"
747 is not a zero-width assertion, but a one-width assertion.
748
749 B<WARNING>: particularly complicated regular expressions can take
750 exponential time to solve due to the immense number of possible
751 ways they can use backtracking to try match.  For example, this will
752 take a very long time to run
753
754     /((a{0,5}){0,5}){0,5}/
755
756 And if you used C<*>'s instead of limiting it to 0 through 5 matches, then
757 it would take literally forever--or until you ran out of stack space.
758
759 A powerful tool for optimizing such beasts is "independent" groups,
760 which do not backtrace (see L<C<(?E<gt>pattern)>>).  Note also that
761 zero-length look-ahead/look-behind assertions will not backtrace to make
762 the tail match, since they are in "logical" context: only the fact
763 whether they match or not is considered relevant.  For an example
764 where side-effects of a look-ahead I<might> have influenced the
765 following match, see L<C<(?E<gt>pattern)>>.
766
767 =head2 Version 8 Regular Expressions
768
769 In case you're not familiar with the "regular" Version 8 regex
770 routines, here are the pattern-matching rules not described above.
771
772 Any single character matches itself, unless it is a I<metacharacter>
773 with a special meaning described here or above.  You can cause
774 characters that normally function as metacharacters to be interpreted
775 literally by prefixing them with a "\" (e.g., "\." matches a ".", not any
776 character; "\\" matches a "\").  A series of characters matches that
777 series of characters in the target string, so the pattern C<blurfl>
778 would match "blurfl" in the target string.
779
780 You can specify a character class, by enclosing a list of characters
781 in C<[]>, which will match any one character from the list.  If the
782 first character after the "[" is "^", the class matches any character not
783 in the list.  Within a list, the "-" character is used to specify a
784 range, so that C<a-z> represents all characters between "a" and "z",
785 inclusive.  If you want "-" itself to be a member of a class, put it
786 at the start or end of the list, or escape it with a backslash.  (The
787 following all specify the same class of three characters: C<[-az]>,
788 C<[az-]>, and C<[a\-z]>.  All are different from C<[a-z]>, which
789 specifies a class containing twenty-six characters.)
790
791 Note also that the whole range idea is rather unportable between
792 character sets--and even within character sets they may cause results
793 you probably didn't expect.  A sound principle is to use only ranges
794 that begin from and end at either alphabets of equal case ([a-e],
795 [A-E]), or digits ([0-9]).  Anything else is unsafe.  If in doubt,
796 spell out the character sets in full.
797
798 Characters may be specified using a metacharacter syntax much like that
799 used in C: "\n" matches a newline, "\t" a tab, "\r" a carriage return,
800 "\f" a form feed, etc.  More generally, \I<nnn>, where I<nnn> is a string
801 of octal digits, matches the character whose ASCII value is I<nnn>.
802 Similarly, \xI<nn>, where I<nn> are hexadecimal digits, matches the
803 character whose ASCII value is I<nn>. The expression \cI<x> matches the
804 ASCII character control-I<x>.  Finally, the "." metacharacter matches any
805 character except "\n" (unless you use C</s>).
806
807 You can specify a series of alternatives for a pattern using "|" to
808 separate them, so that C<fee|fie|foe> will match any of "fee", "fie",
809 or "foe" in the target string (as would C<f(e|i|o)e>).  The
810 first alternative includes everything from the last pattern delimiter
811 ("(", "[", or the beginning of the pattern) up to the first "|", and
812 the last alternative contains everything from the last "|" to the next
813 pattern delimiter.  For this reason, it's common practice to include
814 alternatives in parentheses, to minimize confusion about where they
815 start and end.
816
817 Alternatives are tried from left to right, so the first
818 alternative found for which the entire expression matches, is the one that
819 is chosen. This means that alternatives are not necessarily greedy. For
820 example: when matching C<foo|foot> against "barefoot", only the "foo"
821 part will match, as that is the first alternative tried, and it successfully
822 matches the target string. (This might not seem important, but it is
823 important when you are capturing matched text using parentheses.)
824
825 Also remember that "|" is interpreted as a literal within square brackets,
826 so if you write C<[fee|fie|foe]> you're really only matching C<[feio|]>.
827
828 Within a pattern, you may designate subpatterns for later reference by
829 enclosing them in parentheses, and you may refer back to the I<n>th
830 subpattern later in the pattern using the metacharacter \I<n>.
831 Subpatterns are numbered based on the left to right order of their
832 opening parenthesis.  A backreference matches whatever
833 actually matched the subpattern in the string being examined, not the
834 rules for that subpattern.  Therefore, C<(0|0x)\d*\s\1\d*> will
835 match "0x1234 0x4321", but not "0x1234 01234", because subpattern 1
836 actually matched "0x", even though the rule C<0|0x> could
837 potentially match the leading 0 in the second number.
838
839 =head2 Warning on \1 vs $1
840
841 Some people get too used to writing things like:
842
843     $pattern =~ s/(\W)/\\\1/g;
844
845 This is grandfathered for the RHS of a substitute to avoid shocking the
846 B<sed> addicts, but it's a dirty habit to get into.  That's because in
847 PerlThink, the righthand side of a C<s///> is a double-quoted string.  C<\1> in
848 the usual double-quoted string means a control-A.  The customary Unix
849 meaning of C<\1> is kludged in for C<s///>.  However, if you get into the habit
850 of doing that, you get yourself into trouble if you then add an C</e>
851 modifier.
852
853     s/(\d+)/ \1 + 1 /eg;        # causes warning under -w
854
855 Or if you try to do
856
857     s/(\d+)/\1000/;
858
859 You can't disambiguate that by saying C<\{1}000>, whereas you can fix it with
860 C<${1}000>.  Basically, the operation of interpolation should not be confused
861 with the operation of matching a backreference.  Certainly they mean two
862 different things on the I<left> side of the C<s///>.
863
864 =head2 Repeated patterns matching zero-length substring
865
866 B<WARNING>: Difficult material (and prose) ahead.  This section needs a rewrite.
867
868 Regular expressions provide a terse and powerful programming language.  As
869 with most other power tools, power comes together with the ability
870 to wreak havoc.
871
872 A common abuse of this power stems from the ability to make infinite
873 loops using regular expressions, with something as innocuous as:
874
875     'foo' =~ m{ ( o? )* }x;
876
877 The C<o?> can match at the beginning of C<'foo'>, and since the position
878 in the string is not moved by the match, C<o?> would match again and again
879 due to the C<*> modifier.  Another common way to create a similar cycle
880 is with the looping modifier C<//g>:
881
882     @matches = ( 'foo' =~ m{ o? }xg );
883
884 or
885
886     print "match: <$&>\n" while 'foo' =~ m{ o? }xg;
887
888 or the loop implied by split().
889
890 However, long experience has shown that many programming tasks may
891 be significantly simplified by using repeated subexpressions which
892 may match zero-length substrings, with a simple example being:
893
894     @chars = split //, $string;           # // is not magic in split
895     ($whitewashed = $string) =~ s/()/ /g; # parens avoid magic s// /
896
897 Thus Perl allows the C</()/> construct, which I<forcefully breaks
898 the infinite loop>.  The rules for this are different for lower-level
899 loops given by the greedy modifiers C<*+{}>, and for higher-level
900 ones like the C</g> modifier or split() operator.
901
902 The lower-level loops are I<interrupted> (that is, the loop is
903 broken) when Perl detects that a repeated expression matched a
904 zero-length substring.   Thus
905
906    m{ (?: NON_ZERO_LENGTH | ZERO_LENGTH )* }x;
907
908 is made equivalent to 
909
910    m{   (?: NON_ZERO_LENGTH )* 
911       | 
912         (?: ZERO_LENGTH )? 
913     }x;
914
915 The higher level-loops preserve an additional state between iterations:
916 whether the last match was zero-length.  To break the loop, the following 
917 match after a zero-length match is prohibited to have a length of zero.
918 This prohibition interacts with backtracking (see L<"Backtracking">), 
919 and so the I<second best> match is chosen if the I<best> match is of
920 zero length.
921
922 For example:
923
924     $_ = 'bar';
925     s/\w??/<$&>/g;
926
927 results in C<"<><b><><a><><r><>">.  At each position of the string the best
928 match given by non-greedy C<??> is the zero-length match, and the I<second 
929 best> match is what is matched by C<\w>.  Thus zero-length matches
930 alternate with one-character-long matches.
931
932 Similarly, for repeated C<m/()/g> the second-best match is the match at the 
933 position one notch further in the string.
934
935 The additional state of being I<matched with zero-length> is associated with
936 the matched string, and is reset by each assignment to pos().
937
938 =head2 Creating custom RE engines
939
940 Overloaded constants (see L<overload>) provide a simple way to extend
941 the functionality of the RE engine.
942
943 Suppose that we want to enable a new RE escape-sequence C<\Y|> which
944 matches at boundary between white-space characters and non-whitespace
945 characters.  Note that C<(?=\S)(?<!\S)|(?!\S)(?<=\S)> matches exactly
946 at these positions, so we want to have each C<\Y|> in the place of the
947 more complicated version.  We can create a module C<customre> to do
948 this:
949
950     package customre;
951     use overload;
952
953     sub import {
954       shift;
955       die "No argument to customre::import allowed" if @_;
956       overload::constant 'qr' => \&convert;
957     }
958
959     sub invalid { die "/$_[0]/: invalid escape '\\$_[1]'"}
960
961     my %rules = ( '\\' => '\\', 
962                   'Y|' => qr/(?=\S)(?<!\S)|(?!\S)(?<=\S)/ );
963     sub convert {
964       my $re = shift;
965       $re =~ s{ 
966                 \\ ( \\ | Y . )
967               }
968               { $rules{$1} or invalid($re,$1) }sgex; 
969       return $re;
970     }
971
972 Now C<use customre> enables the new escape in constant regular
973 expressions, i.e., those without any runtime variable interpolations.
974 As documented in L<overload>, this conversion will work only over
975 literal parts of regular expressions.  For C<\Y|$re\Y|> the variable
976 part of this regular expression needs to be converted explicitly
977 (but only if the special meaning of C<\Y|> should be enabled inside $re):
978
979     use customre;
980     $re = <>;
981     chomp $re;
982     $re = customre::convert $re;
983     /\Y|$re\Y|/;
984
985 =head1 BUGS
986
987 This manpage is varies from difficult to understand to completely
988 and utterly opaque.
989
990 =head1 SEE ALSO
991
992 L<perlop/"Regexp Quote-Like Operators">.
993
994 L<perlop/"Gory details of parsing quoted constructs">.
995
996 L<perlfunc/pos>.
997
998 L<perllocale>.
999
1000 I<Mastering Regular Expressions> by Jeffrey Friedl.