perlre clarification.
[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 "$" from matching
30 the start or end of the string to matching the start or end of any
31 line anywhere within the string.
32
33 =item s
34
35 Treat string as single line.  That is, change "." to match any character
36 whatsoever, even a newline, which normally it would not match.
37
38 The C</s> and C</m> modifiers both override the C<$*> 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 really be a slash.  Any of these
54 modifiers may also be embedded within the regular expression itself using
55 the 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 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.  (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 only the
92 beginning of the string, the "$" character only the end (or before the
93 newline at the end), and Perl does certain optimizations with the
94 assumption that the string contains only one line.  Embedded newlines
95 will not be matched by "^" or "$".  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 simplify 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 Use C<\w+> to match a string of Perl-identifier characters (which isn't 
183 the same as matching an English word).  If C<use locale> is in effect, the
184 list of alphabetic characters generated by C<\w> is taken from the
185 current locale.  See L<perllocale>.  You may use C<\w>, C<\W>, C<\s>, C<\S>,
186 C<\d>, and C<\D> within character classes (though not as either end of
187 a range).  See L<utf8> for details about C<\pP>, C<\PP>, and C<\X>.
188
189 The POSIX character class syntax
190
191         [:class:]
192
193 is also available.  The available classes and their \-equivalents
194 (if any) are as follows:
195
196     alpha
197     alnum
198     ascii
199     cntrl
200     digit       \d
201     graph
202     lower
203     print
204     punct
205     space       \s
206     upper
207     word        \w
208     xdigit
209
210 Note that the [] are part of the [::] construct, not part of the whole
211 character class.  For example:
212
213         [01[:alpha:]%]
214
215 matches one, zero, any alphabetic character, and the percentage sign.
216
217 The exact meanings of the above classes depend from many things:
218 if the C<utf8> pragma is used, the following equivalenced to Unicode
219 \p{} constructs hold:
220
221     alpha       IsAlpha
222     alnum       IsAlnum
223     ascii       IsASCII
224     cntrl       IsCntrl
225     digit       IsDigit
226     graph       IsGraph
227     lower       IsLower
228     print       IsPrint
229     punct       IsPunct
230     space       IsSpace
231     upper       IsUpper
232     word        IsWord
233     xdigit      IsXDigit
234
235 For example, [:lower:] and \p{IsLower} are equivalent.
236
237 If the C<utf8> pragma is not used but the C<locale> pragma is, the
238 classes correlate with the isalpha(3) interface (except for `word',
239 which is a Perl extension).
240
241 The assumedly non-obviously named classes are:
242
243 =over 4
244
245 =item cntrl
246
247         Any control character.  Usually characters that don't produce
248         output as such but instead control the terminal somehow:
249         for example newline and backspace are control characters.
250
251 =item graph
252
253         Any alphanumeric or punctuation character.
254
255 =item print
256
257         Any alphanumeric or punctuation character or space.
258
259 =item punct
260
261         Any punctuation character.
262
263 =item xdigit
264
265         Any hexadecimal digit.  Though this may feel silly
266         (/0-9a-f/i would work just fine) it is included
267         for completeness.
268
269 =item 
270
271 =back
272
273 You can negate the [::] character classes by prefixing the class name
274 with a '^'. This is a Perl extension.  For example:
275
276     ^digit      \D      \P{IsDigit}
277     ^space      \S      \P{IsSpace}
278     ^word       \W      \P{IsWord}
279
280 The POSIX character classes [.cc.] and [=cc=] are B<not> supported
281 and trying to use them will cause an error.
282
283 Perl defines the following zero-width assertions:
284
285     \b  Match a word boundary
286     \B  Match a non-(word boundary)
287     \A  Match only at beginning of string
288     \Z  Match only at end of string, or before newline at the end
289     \z  Match only at end of string
290     \G  Match only where previous m//g left off (works only with /g)
291
292 A word boundary (C<\b>) is a spot between two characters
293 that has a C<\w> on one side of it and a C<\W> on the other side
294 of it (in either order), counting the imaginary characters off the
295 beginning and end of the string as matching a C<\W>.  (Within
296 character classes C<\b> represents backspace rather than a word
297 boundary, just as it normally does in any double-quoted string.)
298 The C<\A> and C<\Z> are just like "^" and "$", except that they
299 won't match multiple times when the C</m> modifier is used, while
300 "^" and "$" will match at every internal line boundary.  To match
301 the actual end of the string and not ignore an optional trailing
302 newline, use C<\z>.
303
304 The C<\G> assertion can be used to chain global matches (using
305 C<m//g>), as described in L<perlop/"Regexp Quote-Like Operators">.
306 It is also useful when writing C<lex>-like scanners, when you have
307 several patterns that you want to match against consequent substrings
308 of your string, see the previous reference.  The actual location
309 where C<\G> will match can also be influenced by using C<pos()> as
310 an lvalue.  See L<perlfunc/pos>.
311   
312 The bracketing construct C<( ... )> creates capture buffers.  To
313 refer to the digit'th buffer use \E<lt>digitE<gt> within the
314 match.  Outside the match use "$" instead of "\".  (The
315 \E<lt>digitE<gt> notation works in certain circumstances outside 
316 the match.  See the warning below about \1 vs $1 for details.)
317 Referring back to another part of the match is called a
318 I<backreference>.
319
320 There is no limit to the number of captured substrings that you may
321 use.  However Perl also uses \10, \11, etc. as aliases for \010,
322 \011, etc.  (Recall that 0 means octal, so \011 is the 9'th ASCII
323 character, a tab.)  Perl resolves this ambiguity by interpreting
324 \10 as a backreference only if at least 10 left parentheses have
325 opened before it.  Likewise \11 is a backreference only if at least
326 11 left parentheses have opened before it.  And so on.  \1 through
327 \9 are always interpreted as backreferences."
328
329 Examples:
330
331     s/^([^ ]*) *([^ ]*)/$2 $1/;     # swap first two words
332
333      if (/(.)\1/) {                 # find first doubled char
334          print "'$1' is the first doubled character\n";
335      }
336  
337     if (/Time: (..):(..):(..)/) {   # parse out values
338         $hours = $1;
339         $minutes = $2;
340         $seconds = $3;
341     }
342   
343 Several special variables also refer back to portions of the previous
344 match.  C<$+> returns whatever the last bracket match matched.
345 C<$&> returns the entire matched string.  (At one point C<$0> did
346 also, but now it returns the name of the program.)  C<$`> returns
347 everything before the matched string.  And C<$'> returns everything
348 after the matched string.
349
350 The numbered variables ($1, $2, $3, etc.) and the related punctuation
351 set (C<<$+>, C<$&>, C<$`>, and C<$'>) are all dynamically scoped
352 until the end of the enclosing block or until the next successful
353 match, whichever comes first.  (See L<perlsyn/"Compound Statements">.)
354
355 B<WARNING>: Once Perl sees that you need one of C<$&>, C<$`>, or
356 C<$'> anywhere in the program, it has to provide them for every
357 pattern match.  This may substantially slow your program.  Perl
358 uses the same mechanism to produce $1, $2, etc, so you also pay a
359 price for each pattern that contains capturing parentheses.  (To
360 avoid this cost while retaining the grouping behaviour, use the
361 extended regular expression C<(?: ... )> instead.)  But if you never
362 use C<$&>, C<$`> or C<$'>, then patterns I<without> capturing
363 parentheses will not be penalized.  So avoid C<$&>, C<$'>, and C<$`>
364 if you can, but if you can't (and some algorithms really appreciate
365 them), once you've used them once, use them at will, because you've
366 already paid the price.  As of 5.005, C<$&> is not so costly as the
367 other two.
368
369 Backslashed metacharacters in Perl are alphanumeric, such as C<\b>,
370 C<\w>, C<\n>.  Unlike some other regular expression languages, there
371 are no backslashed symbols that aren't alphanumeric.  So anything
372 that looks like \\, \(, \), \E<lt>, \E<gt>, \{, or \} is always
373 interpreted as a literal character, not a metacharacter.  This was
374 once used in a common idiom to disable or quote the special meanings
375 of regular expression metacharacters in a string that you want to
376 use for a pattern. Simply quote all non-alphanumeric characters:
377
378     $pattern =~ s/(\W)/\\$1/g;
379
380 Today it is more common to use the quotemeta() function or the C<\Q>
381 metaquoting escape sequence to disable all metacharacters' special
382 meanings like this:
383
384     /$unquoted\Q$quoted\E$unquoted/
385
386 =head2 Extended Patterns
387
388 Perl also defines a consistent extension syntax for features not
389 found in standard tools like B<awk> and B<lex>.  The syntax is a
390 pair of parentheses with a question mark as the first thing within
391 the parentheses.  The character after the question mark indicates
392 the extension.
393
394 The stability of these extensions varies widely.  Some have been
395 part of the core language for many years.  Others are experimental
396 and may change without warning or be completely removed.  Check
397 the documentation on an individual feature to verify its current
398 status.
399
400 A question mark was chosen for this and for the minimal-matching
401 construct because 1) question marks are rare in older regular
402 expressions, and 2) whenever you see one, you should stop and
403 "question" exactly what is going on.  That's psychology...
404
405 =over 10
406
407 =item C<(?#text)>
408
409 A comment.  The text is ignored.  If the C</x> modifier enables
410 whitespace formatting, a simple C<#> will suffice.  Note that Perl closes
411 the comment as soon as it sees a C<)>, so there is no way to put a literal
412 C<)> in the comment.
413
414 =item C<(?imsx-imsx)>
415
416 One or more embedded pattern-match modifiers.  This is particularly
417 useful for dynamic patterns, such as those read in from a configuration
418 file, read in as an argument, are specified in a table somewhere,
419 etc.  Consider the case that some of which want to be case sensitive
420 and some do not.  The case insensitive ones need to include merely
421 C<(?i)> at the front of the pattern.  For example:
422
423     $pattern = "foobar";
424     if ( /$pattern/i ) { } 
425
426     # more flexible:
427
428     $pattern = "(?i)foobar";
429     if ( /$pattern/ ) { } 
430
431 Letters after a C<-> turn those modifiers off.  These modifiers are
432 localized inside an enclosing group (if any).  For example,
433
434     ( (?i) blah ) \s+ \1
435
436 will match a repeated (I<including the case>!) word C<blah> in any
437 case, assuming C<x> modifier, and no C<i> modifier outside this
438 group.
439
440 =item C<(?:pattern)>
441
442 =item C<(?imsx-imsx:pattern)>
443
444 This is for clustering, not capturing; it groups subexpressions like
445 "()", but doesn't make backreferences as "()" does.  So
446
447     @fields = split(/\b(?:a|b|c)\b/)
448
449 is like
450
451     @fields = split(/\b(a|b|c)\b/)
452
453 but doesn't spit out extra fields.  It's also cheaper not to capture
454 characters if you don't need to.
455
456 Any letters between C<?> and C<:> act as flags modifiers as with
457 C<(?imsx-imsx)>.  For example, 
458
459     /(?s-i:more.*than).*million/i
460
461 is equivalent to the more verbose
462
463     /(?:(?s-i)more.*than).*million/i
464
465 =item C<(?=pattern)>
466
467 A zero-width positive look-ahead assertion.  For example, C</\w+(?=\t)/>
468 matches a word followed by a tab, without including the tab in C<$&>.
469
470 =item C<(?!pattern)>
471
472 A zero-width negative look-ahead assertion.  For example C</foo(?!bar)/>
473 matches any occurrence of "foo" that isn't followed by "bar".  Note
474 however that look-ahead and look-behind are NOT the same thing.  You cannot
475 use this for look-behind.
476
477 If you are looking for a "bar" that isn't preceded by a "foo", C</(?!foo)bar/>
478 will not do what you want.  That's because the C<(?!foo)> is just saying that
479 the next thing cannot be "foo"--and it's not, it's a "bar", so "foobar" will
480 match.  You would have to do something like C</(?!foo)...bar/> for that.   We
481 say "like" because there's the case of your "bar" not having three characters
482 before it.  You could cover that this way: C</(?:(?!foo)...|^.{0,2})bar/>.
483 Sometimes it's still easier just to say:
484
485     if (/bar/ && $` !~ /foo$/)
486
487 For look-behind see below.
488
489 =item C<(?E<lt>=pattern)>
490
491 A zero-width positive look-behind assertion.  For example, C</(?E<lt>=\t)\w+/>
492 matches a word that follows a tab, without including the tab in C<$&>.
493 Works only for fixed-width look-behind.
494
495 =item C<(?<!pattern)>
496
497 A zero-width negative look-behind assertion.  For example C</(?<!bar)foo/>
498 matches any occurrence of "foo" that does not follow "bar".  Works
499 only for fixed-width look-behind.
500
501 =item C<(?{ code })>
502
503 B<WARNING>: This extended regular expression feature is considered
504 highly experimental, and may be changed or deleted without notice.
505
506 This zero-width assertion evaluate any embedded Perl code.  It
507 always succeeds, and its C<code> is not interpolated.  Currently,
508 the rules to determine where the C<code> ends are somewhat convoluted.
509
510 The C<code> is properly scoped in the following sense: If the assertion
511 is backtracked (compare L<"Backtracking">), all changes introduced after
512 C<local>ization are undone, so that
513
514   $_ = 'a' x 8;
515   m< 
516      (?{ $cnt = 0 })                    # Initialize $cnt.
517      (
518        a 
519        (?{
520            local $cnt = $cnt + 1;       # Update $cnt, backtracking-safe.
521        })
522      )*  
523      aaaa
524      (?{ $res = $cnt })                 # On success copy to non-localized
525                                         # location.
526    >x;
527
528 will set C<$res = 4>.  Note that after the match, $cnt returns to the globally
529 introduced value, because the scopes that restrict C<local> operators
530 are unwound.
531
532 This assertion may be used as a C<(?(condition)yes-pattern|no-pattern)>
533 switch.  If I<not> used in this way, the result of evaluation of
534 C<code> is put into the special variable C<$^R>.  This happens
535 immediately, so C<$^R> can be used from other C<(?{ code })> assertions
536 inside the same regular expression.
537
538 The assignment to C<$^R> above is properly localized, so the old
539 value of C<$^R> is restored if the assertion is backtracked; compare
540 L<"Backtracking">.
541
542 For reasons of security, this construct is forbidden if the regular
543 expression involves run-time interpolation of variables, unless the
544 perilous C<use re 'eval'> pragma has been used (see L<re>), or the
545 variables contain results of C<qr//> operator (see
546 L<perlop/"qr/STRING/imosx">).  
547
548 This restriction is because of the wide-spread and remarkably convenient
549 custom of using run-time determined strings as patterns.  For example:
550
551     $re = <>;
552     chomp $re;
553     $string =~ /$re/;
554
555 Before Perl knew how to execute interpolated code within a pattern,
556 this operation was completely safe from a security point of view,
557 although it could raise an exception from an illegal pattern.  If
558 you turn on the C<use re 'eval'>, though, it is no longer secure,
559 so you should only do so if you are also using taint checking.
560 Better yet, use the carefully constrained evaluation within a Safe
561 module.  See L<perlsec> for details about both these mechanisms.
562
563 =item C<(?p{ code })>
564
565 B<WARNING>: This extended regular expression feature is considered
566 highly experimental, and may be changed or deleted without notice.
567
568 This is a "postponed" regular subexpression.  The C<code> is evaluated
569 at run time, at the moment this subexpression may match.  The result
570 of evaluation is considered as a regular expression and matched as
571 if it were inserted instead of this construct.
572
573 The C<code> is not interpolated.  As before, the rules to determine
574 where the C<code> ends are currently somewhat convoluted.
575
576 The following pattern matches a parenthesized group:
577
578   $re = qr{
579              \(
580              (?:
581                 (?> [^()]+ )    # Non-parens without backtracking
582               |
583                 (?p{ $re })     # Group with matching parens
584              )*
585              \)
586           }x;
587
588 =item C<(?E<gt>pattern)>
589
590 B<WARNING>: This extended regular expression feature is considered
591 highly experimental, and may be changed or deleted without notice.
592
593 An "independent" subexpression, one which matches the substring
594 that a I<standalone> C<pattern> would match if anchored at the given
595 position--but it matches no more than this substring.  This
596 construct is useful for optimizations of what would otherwise be
597 "eternal" matches, because it will not backtrack (see L<"Backtracking">).
598
599 For example: C<^(?E<gt>a*)ab> will never match, since C<(?E<gt>a*)>
600 (anchored at the beginning of string, as above) will match I<all>
601 characters C<a> at the beginning of string, leaving no C<a> for
602 C<ab> to match.  In contrast, C<a*ab> will match the same as C<a+b>,
603 since the match of the subgroup C<a*> is influenced by the following
604 group C<ab> (see L<"Backtracking">).  In particular, C<a*> inside
605 C<a*ab> will match fewer characters than a standalone C<a*>, since
606 this makes the tail match.
607
608 An effect similar to C<(?E<gt>pattern)> may be achieved by writing
609 C<(?=(pattern))\1>.  This matches the same substring as a standalone
610 C<a+>, and the following C<\1> eats the matched string; it therefore
611 makes a zero-length assertion into an analogue of C<(?E<gt>...)>.
612 (The difference between these two constructs is that the second one
613 uses a capturing group, thus shifting ordinals of backreferences
614 in the rest of a regular expression.)
615
616 Consider this pattern:
617
618     m{ \(
619           ( 
620             [^()]+ 
621           | 
622             \( [^()]* \)
623           )+
624        \) 
625      }x
626
627 That will efficiently match a nonempty group with matching parentheses
628 two levels deep or less.  However, if there is no such group, it
629 will take virtually forever on a long string.  That's because there
630 are so many different ways to split a long string into several
631 substrings.  This is what C<(.+)+> is doing, and C<(.+)+> is similar
632 to a subpattern of the above pattern.  Consider how the pattern
633 above detects no-match on C<((()aaaaaaaaaaaaaaaaaa> in several
634 seconds, but that each extra letter doubles this time.  This
635 exponential performance will make it appear that your program has
636 hung.  However, a tiny change to this pattern
637
638     m{ \( 
639           ( 
640             (?> [^()]+ )
641           | 
642             \( [^()]* \)
643           )+
644        \) 
645      }x
646
647 which uses C<(?E<gt>...)> matches exactly when the one above does (verifying
648 this yourself would be a productive exercise), but finishes in a fourth
649 the time when used on a similar string with 1000000 C<a>s.  Be aware,
650 however, that this pattern currently triggers a warning message under
651 B<-w> saying it C<"matches the null string many times">):
652
653 On simple groups, such as the pattern C<(?E<gt> [^()]+ )>, a comparable
654 effect may be achieved by negative look-ahead, as in C<[^()]+ (?! [^()] )>.
655 This was only 4 times slower on a string with 1000000 C<a>s.
656
657 =item C<(?(condition)yes-pattern|no-pattern)>
658
659 =item C<(?(condition)yes-pattern)>
660
661 B<WARNING>: This extended regular expression feature is considered
662 highly experimental, and may be changed or deleted without notice.
663
664 Conditional expression.  C<(condition)> should be either an integer in
665 parentheses (which is valid if the corresponding pair of parentheses
666 matched), or look-ahead/look-behind/evaluate zero-width assertion.
667
668 For example:
669
670     m{ ( \( )? 
671        [^()]+ 
672        (?(1) \) ) 
673      }x
674
675 matches a chunk of non-parentheses, possibly included in parentheses
676 themselves.
677
678 =back
679
680 =head2 Backtracking
681
682 A fundamental feature of regular expression matching involves the
683 notion called I<backtracking>, which is currently used (when needed)
684 by all regular expression quantifiers, namely C<*>, C<*?>, C<+>,
685 C<+?>, C<{n,m}>, and C<{n,m}?>.
686
687 For a regular expression to match, the I<entire> regular expression must
688 match, not just part of it.  So if the beginning of a pattern containing a
689 quantifier succeeds in a way that causes later parts in the pattern to
690 fail, the matching engine backs up and recalculates the beginning
691 part--that's why it's called backtracking.
692
693 Here is an example of backtracking:  Let's say you want to find the
694 word following "foo" in the string "Food is on the foo table.":
695
696     $_ = "Food is on the foo table.";
697     if ( /\b(foo)\s+(\w+)/i ) {
698         print "$2 follows $1.\n";
699     }
700
701 When the match runs, the first part of the regular expression (C<\b(foo)>)
702 finds a possible match right at the beginning of the string, and loads up
703 $1 with "Foo".  However, as soon as the matching engine sees that there's
704 no whitespace following the "Foo" that it had saved in $1, it realizes its
705 mistake and starts over again one character after where it had the
706 tentative match.  This time it goes all the way until the next occurrence
707 of "foo". The complete regular expression matches this time, and you get
708 the expected output of "table follows foo."
709
710 Sometimes minimal matching can help a lot.  Imagine you'd like to match
711 everything between "foo" and "bar".  Initially, you write something
712 like this:
713
714     $_ =  "The food is under the bar in the barn.";
715     if ( /foo(.*)bar/ ) {
716         print "got <$1>\n";
717     }
718
719 Which perhaps unexpectedly yields:
720
721   got <d is under the bar in the >
722
723 That's because C<.*> was greedy, so you get everything between the
724 I<first> "foo" and the I<last> "bar".  Here it's more effective
725 to use minimal matching to make sure you get the text between a "foo"
726 and the first "bar" thereafter.
727
728     if ( /foo(.*?)bar/ ) { print "got <$1>\n" }
729   got <d is under the >
730
731 Here's another example: let's say you'd like to match a number at the end
732 of a string, and you also want to keep the preceding part the match.
733 So you write this:
734
735     $_ = "I have 2 numbers: 53147";
736     if ( /(.*)(\d*)/ ) {                                # Wrong!
737         print "Beginning is <$1>, number is <$2>.\n";
738     }
739
740 That won't work at all, because C<.*> was greedy and gobbled up the
741 whole string. As C<\d*> can match on an empty string the complete
742 regular expression matched successfully.
743
744     Beginning is <I have 2 numbers: 53147>, number is <>.
745
746 Here are some variants, most of which don't work:
747
748     $_ = "I have 2 numbers: 53147";
749     @pats = qw{
750         (.*)(\d*)
751         (.*)(\d+)
752         (.*?)(\d*)
753         (.*?)(\d+)
754         (.*)(\d+)$
755         (.*?)(\d+)$
756         (.*)\b(\d+)$
757         (.*\D)(\d+)$
758     };
759
760     for $pat (@pats) {
761         printf "%-12s ", $pat;
762         if ( /$pat/ ) {
763             print "<$1> <$2>\n";
764         } else {
765             print "FAIL\n";
766         }
767     }
768
769 That will print out:
770
771     (.*)(\d*)    <I have 2 numbers: 53147> <>
772     (.*)(\d+)    <I have 2 numbers: 5314> <7>
773     (.*?)(\d*)   <> <>
774     (.*?)(\d+)   <I have > <2>
775     (.*)(\d+)$   <I have 2 numbers: 5314> <7>
776     (.*?)(\d+)$  <I have 2 numbers: > <53147>
777     (.*)\b(\d+)$ <I have 2 numbers: > <53147>
778     (.*\D)(\d+)$ <I have 2 numbers: > <53147>
779
780 As you see, this can be a bit tricky.  It's important to realize that a
781 regular expression is merely a set of assertions that gives a definition
782 of success.  There may be 0, 1, or several different ways that the
783 definition might succeed against a particular string.  And if there are
784 multiple ways it might succeed, you need to understand backtracking to
785 know which variety of success you will achieve.
786
787 When using look-ahead assertions and negations, this can all get even
788 tricker.  Imagine you'd like to find a sequence of non-digits not
789 followed by "123".  You might try to write that as
790
791     $_ = "ABC123";
792     if ( /^\D*(?!123)/ ) {              # Wrong!
793         print "Yup, no 123 in $_\n";
794     }
795
796 But that isn't going to match; at least, not the way you're hoping.  It
797 claims that there is no 123 in the string.  Here's a clearer picture of
798 why it that pattern matches, contrary to popular expectations:
799
800     $x = 'ABC123' ;
801     $y = 'ABC445' ;
802
803     print "1: got $1\n" if $x =~ /^(ABC)(?!123)/ ;
804     print "2: got $1\n" if $y =~ /^(ABC)(?!123)/ ;
805
806     print "3: got $1\n" if $x =~ /^(\D*)(?!123)/ ;
807     print "4: got $1\n" if $y =~ /^(\D*)(?!123)/ ;
808
809 This prints
810
811     2: got ABC
812     3: got AB
813     4: got ABC
814
815 You might have expected test 3 to fail because it seems to a more
816 general purpose version of test 1.  The important difference between
817 them is that test 3 contains a quantifier (C<\D*>) and so can use
818 backtracking, whereas test 1 will not.  What's happening is
819 that you've asked "Is it true that at the start of $x, following 0 or more
820 non-digits, you have something that's not 123?"  If the pattern matcher had
821 let C<\D*> expand to "ABC", this would have caused the whole pattern to
822 fail.
823
824 The search engine will initially match C<\D*> with "ABC".  Then it will
825 try to match C<(?!123> with "123", which fails.  But because
826 a quantifier (C<\D*>) has been used in the regular expression, the
827 search engine can backtrack and retry the match differently
828 in the hope of matching the complete regular expression.
829
830 The pattern really, I<really> wants to succeed, so it uses the
831 standard pattern back-off-and-retry and lets C<\D*> expand to just "AB" this
832 time.  Now there's indeed something following "AB" that is not
833 "123".  It's "C123", which suffices.
834
835 We can deal with this by using both an assertion and a negation.
836 We'll say that the first part in $1 must be followed both by a digit
837 and by something that's not "123".  Remember that the look-aheads
838 are zero-width expressions--they only look, but don't consume any
839 of the string in their match.  So rewriting this way produces what
840 you'd expect; that is, case 5 will fail, but case 6 succeeds:
841
842     print "5: got $1\n" if $x =~ /^(\D*)(?=\d)(?!123)/ ;
843     print "6: got $1\n" if $y =~ /^(\D*)(?=\d)(?!123)/ ;
844
845     6: got ABC
846
847 In other words, the two zero-width assertions next to each other work as though
848 they're ANDed together, just as you'd use any built-in assertions:  C</^$/>
849 matches only if you're at the beginning of the line AND the end of the
850 line simultaneously.  The deeper underlying truth is that juxtaposition in
851 regular expressions always means AND, except when you write an explicit OR
852 using the vertical bar.  C</ab/> means match "a" AND (then) match "b",
853 although the attempted matches are made at different positions because "a"
854 is not a zero-width assertion, but a one-width assertion.
855
856 B<WARNING>: particularly complicated regular expressions can take
857 exponential time to solve because of the immense number of possible
858 ways they can use backtracking to try match.  For example, this will
859 take a painfully long time to run
860
861     /((a{0,5}){0,5}){0,5}/
862
863 And if you used C<*>'s instead of limiting it to 0 through 5 matches,
864 then it would take forever--or until you ran out of stack space.
865
866 A powerful tool for optimizing such beasts is "independent" groups,
867 which do not backtrace (see L<C<(?E<gt>pattern)>>).  Note also that
868 zero-length look-ahead/look-behind assertions will not backtrace to make
869 the tail match, since they are in "logical" context: only 
870 whether they match is considered relevant.  For an example
871 where side-effects of a look-ahead I<might> have influenced the
872 following match, see L<C<(?E<gt>pattern)>>.
873
874 =head2 Version 8 Regular Expressions
875
876 In case you're not familiar with the "regular" Version 8 regex
877 routines, here are the pattern-matching rules not described above.
878
879 Any single character matches itself, unless it is a I<metacharacter>
880 with a special meaning described here or above.  You can cause
881 characters that normally function as metacharacters to be interpreted
882 literally by prefixing them with a "\" (e.g., "\." matches a ".", not any
883 character; "\\" matches a "\").  A series of characters matches that
884 series of characters in the target string, so the pattern C<blurfl>
885 would match "blurfl" in the target string.
886
887 You can specify a character class, by enclosing a list of characters
888 in C<[]>, which will match any one character from the list.  If the
889 first character after the "[" is "^", the class matches any character not
890 in the list.  Within a list, the "-" character specifies a
891 range, so that C<a-z> represents all characters between "a" and "z",
892 inclusive.  If you want "-" itself to be a member of a class, put it
893 at the start or end of the list, or escape it with a backslash.  (The
894 following all specify the same class of three characters: C<[-az]>,
895 C<[az-]>, and C<[a\-z]>.  All are different from C<[a-z]>, which
896 specifies a class containing twenty-six characters.)
897
898 Note also that the whole range idea is rather unportable between
899 character sets--and even within character sets they may cause results
900 you probably didn't expect.  A sound principle is to use only ranges
901 that begin from and end at either alphabets of equal case ([a-e],
902 [A-E]), or digits ([0-9]).  Anything else is unsafe.  If in doubt,
903 spell out the character sets in full.
904
905 Characters may be specified using a metacharacter syntax much like that
906 used in C: "\n" matches a newline, "\t" a tab, "\r" a carriage return,
907 "\f" a form feed, etc.  More generally, \I<nnn>, where I<nnn> is a string
908 of octal digits, matches the character whose ASCII value is I<nnn>.
909 Similarly, \xI<nn>, where I<nn> are hexadecimal digits, matches the
910 character whose ASCII value is I<nn>. The expression \cI<x> matches the
911 ASCII character control-I<x>.  Finally, the "." metacharacter matches any
912 character except "\n" (unless you use C</s>).
913
914 You can specify a series of alternatives for a pattern using "|" to
915 separate them, so that C<fee|fie|foe> will match any of "fee", "fie",
916 or "foe" in the target string (as would C<f(e|i|o)e>).  The
917 first alternative includes everything from the last pattern delimiter
918 ("(", "[", or the beginning of the pattern) up to the first "|", and
919 the last alternative contains everything from the last "|" to the next
920 pattern delimiter.  That's why it's common practice to include
921 alternatives in parentheses: to minimize confusion about where they
922 start and end.
923
924 Alternatives are tried from left to right, so the first
925 alternative found for which the entire expression matches, is the one that
926 is chosen. This means that alternatives are not necessarily greedy. For
927 example: when matching C<foo|foot> against "barefoot", only the "foo"
928 part will match, as that is the first alternative tried, and it successfully
929 matches the target string. (This might not seem important, but it is
930 important when you are capturing matched text using parentheses.)
931
932 Also remember that "|" is interpreted as a literal within square brackets,
933 so if you write C<[fee|fie|foe]> you're really only matching C<[feio|]>.
934
935 Within a pattern, you may designate subpatterns for later reference
936 by enclosing them in parentheses, and you may refer back to the
937 I<n>th subpattern later in the pattern using the metacharacter
938 \I<n>.  Subpatterns are numbered based on the left to right order
939 of their opening parenthesis.  A backreference matches whatever
940 actually matched the subpattern in the string being examined, not
941 the rules for that subpattern.  Therefore, C<(0|0x)\d*\s\1\d*> will
942 match "0x1234 0x4321", but not "0x1234 01234", because subpattern
943 1 matched "0x", even though the rule C<0|0x> could potentially match
944 the leading 0 in the second number.
945
946 =head2 Warning on \1 vs $1
947
948 Some people get too used to writing things like:
949
950     $pattern =~ s/(\W)/\\\1/g;
951
952 This is grandfathered for the RHS of a substitute to avoid shocking the
953 B<sed> addicts, but it's a dirty habit to get into.  That's because in
954 PerlThink, the righthand side of a C<s///> is a double-quoted string.  C<\1> in
955 the usual double-quoted string means a control-A.  The customary Unix
956 meaning of C<\1> is kludged in for C<s///>.  However, if you get into the habit
957 of doing that, you get yourself into trouble if you then add an C</e>
958 modifier.
959
960     s/(\d+)/ \1 + 1 /eg;        # causes warning under -w
961
962 Or if you try to do
963
964     s/(\d+)/\1000/;
965
966 You can't disambiguate that by saying C<\{1}000>, whereas you can fix it with
967 C<${1}000>.  The operation of interpolation should not be confused
968 with the operation of matching a backreference.  Certainly they mean two
969 different things on the I<left> side of the C<s///>.
970
971 =head2 Repeated patterns matching zero-length substring
972
973 B<WARNING>: Difficult material (and prose) ahead.  This section needs a rewrite.
974
975 Regular expressions provide a terse and powerful programming language.  As
976 with most other power tools, power comes together with the ability
977 to wreak havoc.
978
979 A common abuse of this power stems from the ability to make infinite
980 loops using regular expressions, with something as innocuous as:
981
982     'foo' =~ m{ ( o? )* }x;
983
984 The C<o?> can match at the beginning of C<'foo'>, and since the position
985 in the string is not moved by the match, C<o?> would match again and again
986 because of the C<*> modifier.  Another common way to create a similar cycle
987 is with the looping modifier C<//g>:
988
989     @matches = ( 'foo' =~ m{ o? }xg );
990
991 or
992
993     print "match: <$&>\n" while 'foo' =~ m{ o? }xg;
994
995 or the loop implied by split().
996
997 However, long experience has shown that many programming tasks may
998 be significantly simplified by using repeated subexpressions that
999 may match zero-length substrings.  Here's a simple example being:
1000
1001     @chars = split //, $string;           # // is not magic in split
1002     ($whitewashed = $string) =~ s/()/ /g; # parens avoid magic s// /
1003
1004 Thus Perl allows the C</()/> construct, which I<forcefully breaks
1005 the infinite loop>.  The rules for this are different for lower-level
1006 loops given by the greedy modifiers C<*+{}>, and for higher-level
1007 ones like the C</g> modifier or split() operator.
1008
1009 The lower-level loops are I<interrupted> (that is, the loop is
1010 broken) when Perl detects that a repeated expression matched a
1011 zero-length substring.   Thus
1012
1013    m{ (?: NON_ZERO_LENGTH | ZERO_LENGTH )* }x;
1014
1015 is made equivalent to 
1016
1017    m{   (?: NON_ZERO_LENGTH )* 
1018       | 
1019         (?: ZERO_LENGTH )? 
1020     }x;
1021
1022 The higher level-loops preserve an additional state between iterations:
1023 whether the last match was zero-length.  To break the loop, the following 
1024 match after a zero-length match is prohibited to have a length of zero.
1025 This prohibition interacts with backtracking (see L<"Backtracking">), 
1026 and so the I<second best> match is chosen if the I<best> match is of
1027 zero length.
1028
1029 For example:
1030
1031     $_ = 'bar';
1032     s/\w??/<$&>/g;
1033
1034 results in C<"<><b><><a><><r><>">.  At each position of the string the best
1035 match given by non-greedy C<??> is the zero-length match, and the I<second 
1036 best> match is what is matched by C<\w>.  Thus zero-length matches
1037 alternate with one-character-long matches.
1038
1039 Similarly, for repeated C<m/()/g> the second-best match is the match at the 
1040 position one notch further in the string.
1041
1042 The additional state of being I<matched with zero-length> is associated with
1043 the matched string, and is reset by each assignment to pos().
1044
1045 =head2 Creating custom RE engines
1046
1047 Overloaded constants (see L<overload>) provide a simple way to extend
1048 the functionality of the RE engine.
1049
1050 Suppose that we want to enable a new RE escape-sequence C<\Y|> which
1051 matches at boundary between white-space characters and non-whitespace
1052 characters.  Note that C<(?=\S)(?<!\S)|(?!\S)(?<=\S)> matches exactly
1053 at these positions, so we want to have each C<\Y|> in the place of the
1054 more complicated version.  We can create a module C<customre> to do
1055 this:
1056
1057     package customre;
1058     use overload;
1059
1060     sub import {
1061       shift;
1062       die "No argument to customre::import allowed" if @_;
1063       overload::constant 'qr' => \&convert;
1064     }
1065
1066     sub invalid { die "/$_[0]/: invalid escape '\\$_[1]'"}
1067
1068     my %rules = ( '\\' => '\\', 
1069                   'Y|' => qr/(?=\S)(?<!\S)|(?!\S)(?<=\S)/ );
1070     sub convert {
1071       my $re = shift;
1072       $re =~ s{ 
1073                 \\ ( \\ | Y . )
1074               }
1075               { $rules{$1} or invalid($re,$1) }sgex; 
1076       return $re;
1077     }
1078
1079 Now C<use customre> enables the new escape in constant regular
1080 expressions, i.e., those without any runtime variable interpolations.
1081 As documented in L<overload>, this conversion will work only over
1082 literal parts of regular expressions.  For C<\Y|$re\Y|> the variable
1083 part of this regular expression needs to be converted explicitly
1084 (but only if the special meaning of C<\Y|> should be enabled inside $re):
1085
1086     use customre;
1087     $re = <>;
1088     chomp $re;
1089     $re = customre::convert $re;
1090     /\Y|$re\Y|/;
1091
1092 =head1 BUGS
1093
1094 This manpage is varies from difficult to understand to completely
1095 and utterly opaque.
1096
1097 =head1 SEE ALSO
1098
1099 L<perlop/"Regexp Quote-Like Operators">.
1100
1101 L<perlop/"Gory details of parsing quoted constructs">.
1102
1103 L<perlfaq6>.
1104
1105 L<perlfunc/pos>.
1106
1107 L<perllocale>.
1108
1109 I<Mastering Regular Expressions> by Jeffrey Friedl, published
1110 by O'Reilly and Associates.