a few doc typos
[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 discussion
10 of C<m//>, C<s///>, C<qr//> and C<??> in L<perlop/"Regexp Quote-Like Operators">.
11
12 The matching operations can have various modifiers.  The modifiers
13 that relate to the interpretation of the regular expression inside
14 are listed below.  For the modifiers that alter the way a regular expression
15 is used by Perl, see 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 "$" from matching
30 at only the very start or end of the string to the start or end of any
31 line anywhere within the string,
32
33 =item s
34
35 Treat string as single line.  That is, change "." to match any character
36 whatsoever, even a newline, which it normally would not match.
37
38 The C</s> and C</m> modifiers both override the C<$*> setting.  That is, no matter
39 what C<$*> contains, C</s> without C</m> will force "^" to match only at the
40 beginning of the string and "$" to match only at the end (or just before a
41 newline at the end) of the string.  Together, as /ms, they let the "." match
42 any character whatsoever, while yet allowing "^" and "$" to match,
43 respectively, just after and just before newlines within the string.
44
45 =item x
46
47 Extend your pattern's legibility by permitting whitespace and comments.
48
49 =back
50
51 These are usually written as "the C</x> modifier", even though the delimiter
52 in question might not actually be a slash.  In fact, any of these
53 modifiers may also be embedded within the regular expression itself using
54 the new C<(?...)> construct.  See below.
55
56 The C</x> modifier itself needs a little more explanation.  It tells
57 the regular expression parser to ignore whitespace that is neither
58 backslashed nor within a character class.  You can use this to break up
59 your regular expression into (slightly) more readable parts.  The C<#>
60 character is also treated as a metacharacter introducing a comment,
61 just as in ordinary Perl code.  This also means that if you want real
62 whitespace or C<#> characters in the pattern (outside of a character
63 class, where they are unaffected by C</x>), that you'll either have to 
64 escape them or encode them using octal or hex escapes.  Taken together,
65 these features go a long way towards making Perl's regular expressions
66 more readable.  Note that you have to be careful not to include the
67 pattern delimiter in the comment--perl has no way of knowing you did
68 not intend to close the pattern early.  See the C-comment deletion code
69 in L<perlop>.
70
71 =head2 Regular Expressions
72
73 The patterns used in pattern matching are regular expressions such as
74 those supplied in the Version 8 regex routines.  (In fact, the
75 routines are derived (distantly) from Henry Spencer's freely
76 redistributable reimplementation of the V8 routines.)
77 See L<Version 8 Regular Expressions> for details.
78
79 In particular the following metacharacters have their standard I<egrep>-ish
80 meanings:
81
82     \   Quote the next metacharacter
83     ^   Match the beginning of the line
84     .   Match any character (except newline)
85     $   Match the end of the line (or before newline at the end)
86     |   Alternation
87     ()  Grouping
88     []  Character class
89
90 By default, the "^" character is guaranteed to match at only the
91 beginning of the string, the "$" character at only the end (or before the
92 newline at the end) and Perl does certain optimizations with the
93 assumption that the string contains only one line.  Embedded newlines
94 will not be matched by "^" or "$".  You may, however, wish to treat a
95 string as a multi-line buffer, such that the "^" will match after any
96 newline within the string, and "$" will match before any newline.  At the
97 cost of a little more overhead, you can do this by using the /m modifier
98 on the pattern match operator.  (Older programs did this by setting C<$*>,
99 but this practice is now deprecated.)
100
101 To facilitate multi-line substitutions, the "." character never matches a
102 newline unless you use the C</s> modifier, which in effect tells Perl to pretend
103 the string is a single line--even if it isn't.  The C</s> modifier also
104 overrides the setting of C<$*>, in case you have some (badly behaved) older
105 code that sets it in another module.
106
107 The following standard quantifiers are recognized:
108
109     *      Match 0 or more times
110     +      Match 1 or more times
111     ?      Match 1 or 0 times
112     {n}    Match exactly n times
113     {n,}   Match at least n times
114     {n,m}  Match at least n but not more than m times
115
116 (If a curly bracket occurs in any other context, it is treated
117 as a regular character.)  The "*" modifier is equivalent to C<{0,}>, the "+"
118 modifier to C<{1,}>, and the "?" modifier to C<{0,1}>.  n and m are limited
119 to integral values less than 65536.
120
121 By default, a quantified subpattern is "greedy", that is, it will match as
122 many times as possible (given a particular starting location) while still
123 allowing the rest of the pattern to match.  If you want it to match the
124 minimum number of times possible, follow the quantifier with a "?".  Note
125 that the meanings don't change, just the "greediness":
126
127     *?     Match 0 or more times
128     +?     Match 1 or more times
129     ??     Match 0 or 1 time
130     {n}?   Match exactly n times
131     {n,}?  Match at least n times
132     {n,m}? Match at least n but not more than m times
133
134 Because patterns are processed as double quoted strings, the following
135 also work:
136
137     \t          tab                   (HT, TAB)
138     \n          newline               (LF, NL)
139     \r          return                (CR)
140     \f          form feed             (FF)
141     \a          alarm (bell)          (BEL)
142     \e          escape (think troff)  (ESC)
143     \033        octal char (think of a PDP-11)
144     \x1B        hex char
145     \x{263a}    wide hex char         (Unicode SMILEY)
146     \c[         control char
147     \l          lowercase next char (think vi)
148     \u          uppercase next char (think vi)
149     \L          lowercase till \E (think vi)
150     \U          uppercase till \E (think vi)
151     \E          end case modification (think vi)
152     \Q          quote (disable) pattern metacharacters till \E
153
154 If C<use locale> is in effect, the case map used by C<\l>, C<\L>, C<\u>
155 and C<\U> is taken from the current locale.  See L<perllocale>.
156
157 You cannot include a literal C<$> or C<@> within a C<\Q> sequence.
158 An unescaped C<$> or C<@> interpolates the corresponding variable,
159 while escaping will cause the literal string C<\$> to be matched.
160 You'll need to write something like C<m/\Quser\E\@\Qhost/>.
161
162 In addition, Perl defines the following:
163
164     \w  Match a "word" character (alphanumeric plus "_")
165     \W  Match a non-word character
166     \s  Match a whitespace character
167     \S  Match a non-whitespace character
168     \d  Match a digit character
169     \D  Match a non-digit character
170     \pP Match P, named property.  Use \p{Prop} for longer names.
171     \PP Match non-P
172     \X  Match eXtended Unicode "combining character sequence",
173         equivalent to C<(?:\PM\pM*)>
174     \C  Match a single C char (octet) even under utf8.
175
176 A C<\w> matches a single alphanumeric character, not a whole
177 word.  To match a word you'd need to say C<\w+>.  If C<use locale> is in
178 effect, the list of alphabetic characters generated by C<\w> is taken
179 from the current locale.  See L<perllocale>. You may use C<\w>, C<\W>,
180 C<\s>, C<\S>, C<\d>, and C<\D> within character classes (though not as
181 either end of a range).
182
183 Perl defines the following zero-width assertions:
184
185     \b  Match a word boundary
186     \B  Match a non-(word boundary)
187     \A  Match only at beginning of string
188     \Z  Match only at end of string, or before newline at the end
189     \z  Match only at end of string
190     \G  Match only where previous m//g left off (works only with /g)
191
192 A word boundary (C<\b>) is defined as a spot between two characters that
193 has a C<\w> on one side of it and a C<\W> on the other side of it (in
194 either order), counting the imaginary characters off the beginning and
195 end of the string as matching a C<\W>.  (Within character classes C<\b>
196 represents backspace rather than a word boundary.)  The C<\A> and C<\Z> are
197 just like "^" and "$", except that they won't match multiple times when the
198 C</m> modifier is used, while "^" and "$" will match at every internal line
199 boundary.  To match the actual end of the string, not ignoring newline,
200 you can use C<\z>.  The C<\G> assertion can be used to chain global
201 matches (using C<m//g>), as described in
202 L<perlop/"Regexp Quote-Like Operators">.
203
204 It is also useful when writing C<lex>-like scanners, when you have several
205 patterns that you want to match against consequent substrings of your
206 string, see the previous reference.
207 The actual location where C<\G> will match can also be influenced
208 by using C<pos()> as an lvalue.  See L<perlfunc/pos>.
209
210 When the bracketing construct C<( ... )> is used, \E<lt>digitE<gt> matches the
211 digit'th substring.  Outside of the pattern, always use "$" instead of "\"
212 in front of the digit.  (While the \E<lt>digitE<gt> notation can on rare occasion work
213 outside the current pattern, this should not be relied upon.  See the
214 WARNING below.) The scope of $E<lt>digitE<gt> (and C<$`>, C<$&>, and C<$'>)
215 extends to the end of the enclosing BLOCK or eval string, or to the next
216 successful pattern match, whichever comes first.  If you want to use
217 parentheses to delimit a subpattern (e.g., a set of alternatives) without
218 saving it as a subpattern, follow the ( with a ?:.
219
220 You may have as many parentheses as you wish.  If you have more
221 than 9 substrings, the variables $10, $11, ... refer to the
222 corresponding substring.  Within the pattern, \10, \11, etc. refer back
223 to substrings if there have been at least that many left parentheses before
224 the backreference.  Otherwise (for backward compatibility) \10 is the
225 same as \010, a backspace, and \11 the same as \011, a tab.  And so
226 on.  (\1 through \9 are always backreferences.)
227
228 C<$+> returns whatever the last bracket match matched.  C<$&> returns the
229 entire matched string.  (C<$0> used to return the same thing, but not any
230 more.)  C<$`> returns everything before the matched string.  C<$'> returns
231 everything after the matched string.  Examples:
232
233     s/^([^ ]*) *([^ ]*)/$2 $1/;     # swap first two words
234
235     if (/Time: (..):(..):(..)/) {
236         $hours = $1;
237         $minutes = $2;
238         $seconds = $3;
239     }
240
241 Once perl sees that you need one of C<$&>, C<$`> or C<$'> anywhere in
242 the program, it has to provide them on each and every pattern match.
243 This can slow your program down.  The same mechanism that handles
244 these provides for the use of $1, $2, etc., so you pay the same price
245 for each pattern that contains capturing parentheses. But if you never
246 use $&, etc., in your script, then patterns I<without> capturing
247 parentheses won't be penalized. So avoid $&, $', and $` if you can,
248 but if you can't (and some algorithms really appreciate them), once
249 you've used them once, use them at will, because you've already paid
250 the price.  As of 5.005, $& is not so costly as the other two.
251
252 Backslashed metacharacters in Perl are
253 alphanumeric, such as C<\b>, C<\w>, C<\n>.  Unlike some other regular
254 expression languages, there are no backslashed symbols that aren't
255 alphanumeric.  So anything that looks like \\, \(, \), \E<lt>, \E<gt>,
256 \{, or \} is always interpreted as a literal character, not a
257 metacharacter.  This was once used in a common idiom to disable or
258 quote the special meanings of regular expression metacharacters in a
259 string that you want to use for a pattern. Simply quote all
260 non-alphanumeric characters:
261
262     $pattern =~ s/(\W)/\\$1/g;
263
264 Now it is much more common to see either the quotemeta() function or
265 the C<\Q> escape sequence used to disable all metacharacters' special
266 meanings like this:
267
268     /$unquoted\Q$quoted\E$unquoted/
269
270 Perl defines a consistent extension syntax for regular expressions.
271 The syntax is a pair of parentheses with a question mark as the first
272 thing within the parentheses (this was a syntax error in older
273 versions of Perl).  The character after the question mark gives the
274 function of the extension.  Several extensions are already supported:
275
276 =over 10
277
278 =item C<(?#text)>
279
280 A comment.  The text is ignored.  If the C</x> switch is used to enable
281 whitespace formatting, a simple C<#> will suffice.  Note that perl closes
282 the comment as soon as it sees a C<)>, so there is no way to put a literal
283 C<)> in the comment.
284
285 =item C<(?:pattern)>
286
287 =item C<(?imsx-imsx:pattern)>
288
289 This is for clustering, not capturing; it groups subexpressions like
290 "()", but doesn't make backreferences as "()" does.  So
291
292     @fields = split(/\b(?:a|b|c)\b/)
293
294 is like
295
296     @fields = split(/\b(a|b|c)\b/)
297
298 but doesn't spit out extra fields.
299
300 The letters between C<?> and C<:> act as flags modifiers, see
301 L<C<(?imsx-imsx)>>.  In particular,
302
303     /(?s-i:more.*than).*million/i
304
305 is equivalent to more verbose
306
307     /(?:(?s-i)more.*than).*million/i
308
309 =item C<(?=pattern)>
310
311 A zero-width positive lookahead assertion.  For example, C</\w+(?=\t)/>
312 matches a word followed by a tab, without including the tab in C<$&>.
313
314 =item C<(?!pattern)>
315
316 A zero-width negative lookahead assertion.  For example C</foo(?!bar)/>
317 matches any occurrence of "foo" that isn't followed by "bar".  Note
318 however that lookahead and lookbehind are NOT the same thing.  You cannot
319 use this for lookbehind.
320
321 If you are looking for a "bar" that isn't preceded by a "foo", C</(?!foo)bar/>
322 will not do what you want.  That's because the C<(?!foo)> is just saying that
323 the next thing cannot be "foo"--and it's not, it's a "bar", so "foobar" will
324 match.  You would have to do something like C</(?!foo)...bar/> for that.   We
325 say "like" because there's the case of your "bar" not having three characters
326 before it.  You could cover that this way: C</(?:(?!foo)...|^.{0,2})bar/>.
327 Sometimes it's still easier just to say:
328
329     if (/bar/ && $` !~ /foo$/)
330
331 For lookbehind see below.
332
333 =item C<(?E<lt>=pattern)>
334
335 A zero-width positive lookbehind assertion.  For example, C</(?E<lt>=\t)\w+/>
336 matches a word following a tab, without including the tab in C<$&>.
337 Works only for fixed-width lookbehind.
338
339 =item C<(?<!pattern)>
340
341 A zero-width negative lookbehind assertion.  For example C</(?<!bar)foo/>
342 matches any occurrence of "foo" that isn't following "bar".  
343 Works only for fixed-width lookbehind.
344
345 =item C<(?{ code })>
346
347 Experimental "evaluate any Perl code" zero-width assertion.  Always
348 succeeds.  C<code> is not interpolated.  Currently the rules to
349 determine where the C<code> ends are somewhat convoluted.
350
351 The C<code> is properly scoped in the following sense: if the assertion
352 is backtracked (compare L<"Backtracking">), all the changes introduced after
353 C<local>isation are undone, so
354
355   $_ = 'a' x 8;
356   m< 
357      (?{ $cnt = 0 })                    # Initialize $cnt.
358      (
359        a 
360        (?{
361            local $cnt = $cnt + 1;       # Update $cnt, backtracking-safe.
362        })
363      )*  
364      aaaa
365      (?{ $res = $cnt })                 # On success copy to non-localized
366                                         # location.
367    >x;
368
369 will set C<$res = 4>.  Note that after the match $cnt returns to the globally
370 introduced value 0, since the scopes which restrict C<local> statements
371 are unwound.
372
373 This assertion may be used as L<C<(?(condition)yes-pattern|no-pattern)>>
374 switch.  If I<not> used in this way, the result of evaluation of C<code>
375 is put into variable $^R.  This happens immediately, so $^R can be used from
376 other C<(?{ code })> assertions inside the same regular expression.
377
378 The above assignment to $^R is properly localized, thus the old value of $^R
379 is restored if the assertion is backtracked (compare L<"Backtracking">).
380
381 Due to security concerns, this construction is not allowed if the regular
382 expression involves run-time interpolation of variables, unless 
383 C<use re 'eval'> pragma is used (see L<re>), or the variables contain
384 results of qr() operator (see L<perlop/"qr/STRING/imosx">).
385
386 This restriction is due to the wide-spread (questionable) practice of 
387 using the construct
388
389     $re = <>;
390     chomp $re;
391     $string =~ /$re/;
392
393 without tainting.  While this code is frowned upon from security point
394 of view, when C<(?{})> was introduced, it was considered bad to add 
395 I<new> security holes to existing scripts.
396
397 B<NOTE:>  Use of the above insecure snippet without also enabling taint mode
398 is to be severely frowned upon.  C<use re 'eval'> does not disable tainting
399 checks, thus to allow $re in the above snippet to contain C<(?{})>
400 I<with tainting enabled>, one needs both C<use re 'eval'> and untaint
401 the $re.
402
403 =item C<(?p{ code })>
404
405 I<Very experimental> "postponed" regular subexpression.  C<code> is evaluated
406 at runtime, at the moment this subexpression may match.  The result of
407 evaluation is considered as a regular expression, and matched as if it
408 were inserted instead of this construct.
409
410 C<code> is not interpolated.  Currently the rules to
411 determine where the C<code> ends are somewhat convoluted.
412
413 The following regular expression matches matching parenthesized group:
414
415   $re = qr{
416              \(
417              (?:
418                 (?> [^()]+ )    # Non-parens without backtracking
419               |
420                 (?p{ $re })     # Group with matching parens
421              )*
422              \)
423           }x;
424
425 =item C<(?E<gt>pattern)>
426
427 An "independent" subexpression.  Matches the substring that a
428 I<standalone> C<pattern> would match if anchored at the given position,
429 B<and only this substring>.
430
431 Say, C<^(?E<gt>a*)ab> will never match, since C<(?E<gt>a*)> (anchored
432 at the beginning of string, as above) will match I<all> characters
433 C<a> at the beginning of string, leaving no C<a> for C<ab> to match.
434 In contrast, C<a*ab> will match the same as C<a+b>, since the match of
435 the subgroup C<a*> is influenced by the following group C<ab> (see
436 L<"Backtracking">).  In particular, C<a*> inside C<a*ab> will match
437 fewer characters than a standalone C<a*>, since this makes the tail match.
438
439 An effect similar to C<(?E<gt>pattern)> may be achieved by
440
441    (?=(pattern))\1
442
443 since the lookahead is in I<"logical"> context, thus matches the same
444 substring as a standalone C<a+>.  The following C<\1> eats the matched
445 string, thus making a zero-length assertion into an analogue of
446 C<(?E<gt>...)>.  (The difference between these two constructs is that the
447 second one uses a catching group, thus shifting ordinals of
448 backreferences in the rest of a regular expression.)
449
450 This construct is useful for optimizations of "eternal"
451 matches, because it will not backtrack (see L<"Backtracking">).  
452
453     m{ \(
454           ( 
455             [^()]+ 
456           | 
457             \( [^()]* \)
458           )+
459        \) 
460      }x
461
462 That will efficiently match a nonempty group with matching
463 two-or-less-level-deep parentheses.  However, if there is no such group,
464 it will take virtually forever on a long string.  That's because there are
465 so many different ways to split a long string into several substrings.
466 This is what C<(.+)+> is doing, and C<(.+)+> is similar to a subpattern
467 of the above pattern.  Consider that the above pattern detects no-match
468 on C<((()aaaaaaaaaaaaaaaaaa> in several seconds, but that  each extra
469 letter doubles this time.  This exponential performance will make it
470 appear that your program has hung.
471
472 However, a tiny modification of this pattern 
473
474     m{ \( 
475           ( 
476             (?> [^()]+ )
477           | 
478             \( [^()]* \)
479           )+
480        \) 
481      }x
482
483 which uses C<(?E<gt>...)> matches exactly when the one above does (verifying
484 this yourself would be a productive exercise), but finishes in a fourth
485 the time when used on a similar string with 1000000 C<a>s.  Be aware,
486 however, that this pattern currently triggers a warning message under
487 B<-w> saying it C<"matches the null string many times">):
488
489 On simple groups, such as the pattern C<(?E<gt> [^()]+ )>, a comparable
490 effect may be achieved by negative lookahead, as in C<[^()]+ (?! [^()] )>.
491 This was only 4 times slower on a string with 1000000 C<a>s.
492
493 =item C<(?(condition)yes-pattern|no-pattern)>
494
495 =item C<(?(condition)yes-pattern)>
496
497 Conditional expression.  C<(condition)> should be either an integer in
498 parentheses (which is valid if the corresponding pair of parentheses
499 matched), or lookahead/lookbehind/evaluate zero-width assertion.
500
501 Say,
502
503     m{ ( \( )? 
504        [^()]+ 
505        (?(1) \) ) 
506      }x
507
508 matches a chunk of non-parentheses, possibly included in parentheses
509 themselves.
510
511 =item C<(?imsx-imsx)>
512
513 One or more embedded pattern-match modifiers.  This is particularly
514 useful for patterns that are specified in a table somewhere, some of
515 which want to be case sensitive, and some of which don't.  The case
516 insensitive ones need to include merely C<(?i)> at the front of the
517 pattern.  For example:
518
519     $pattern = "foobar";
520     if ( /$pattern/i ) { } 
521
522     # more flexible:
523
524     $pattern = "(?i)foobar";
525     if ( /$pattern/ ) { } 
526
527 Letters after C<-> switch modifiers off.
528
529 These modifiers are localized inside an enclosing group (if any).  Say,
530
531     ( (?i) blah ) \s+ \1
532
533 (assuming C<x> modifier, and no C<i> modifier outside of this group)
534 will match a repeated (I<including the case>!) word C<blah> in any
535 case.
536
537 =back
538
539 A question mark was chosen for this and for the new minimal-matching
540 construct because 1) question mark is pretty rare in older regular
541 expressions, and 2) whenever you see one, you should stop and "question"
542 exactly what is going on.  That's psychology...
543
544 =head2 Backtracking
545
546 A fundamental feature of regular expression matching involves the
547 notion called I<backtracking>, which is currently used (when needed)
548 by all regular expression quantifiers, namely C<*>, C<*?>, C<+>,
549 C<+?>, C<{n,m}>, and C<{n,m}?>.
550
551 For a regular expression to match, the I<entire> regular expression must
552 match, not just part of it.  So if the beginning of a pattern containing a
553 quantifier succeeds in a way that causes later parts in the pattern to
554 fail, the matching engine backs up and recalculates the beginning
555 part--that's why it's called backtracking.
556
557 Here is an example of backtracking:  Let's say you want to find the
558 word following "foo" in the string "Food is on the foo table.":
559
560     $_ = "Food is on the foo table.";
561     if ( /\b(foo)\s+(\w+)/i ) {
562         print "$2 follows $1.\n";
563     }
564
565 When the match runs, the first part of the regular expression (C<\b(foo)>)
566 finds a possible match right at the beginning of the string, and loads up
567 $1 with "Foo".  However, as soon as the matching engine sees that there's
568 no whitespace following the "Foo" that it had saved in $1, it realizes its
569 mistake and starts over again one character after where it had the
570 tentative match.  This time it goes all the way until the next occurrence
571 of "foo". The complete regular expression matches this time, and you get
572 the expected output of "table follows foo."
573
574 Sometimes minimal matching can help a lot.  Imagine you'd like to match
575 everything between "foo" and "bar".  Initially, you write something
576 like this:
577
578     $_ =  "The food is under the bar in the barn.";
579     if ( /foo(.*)bar/ ) {
580         print "got <$1>\n";
581     }
582
583 Which perhaps unexpectedly yields:
584
585   got <d is under the bar in the >
586
587 That's because C<.*> was greedy, so you get everything between the
588 I<first> "foo" and the I<last> "bar".  In this case, it's more effective
589 to use minimal matching to make sure you get the text between a "foo"
590 and the first "bar" thereafter.
591
592     if ( /foo(.*?)bar/ ) { print "got <$1>\n" }
593   got <d is under the >
594
595 Here's another example: let's say you'd like to match a number at the end
596 of a string, and you also want to keep the preceding part the match.
597 So you write this:
598
599     $_ = "I have 2 numbers: 53147";
600     if ( /(.*)(\d*)/ ) {                                # Wrong!
601         print "Beginning is <$1>, number is <$2>.\n";
602     }
603
604 That won't work at all, because C<.*> was greedy and gobbled up the
605 whole string. As C<\d*> can match on an empty string the complete
606 regular expression matched successfully.
607
608     Beginning is <I have 2 numbers: 53147>, number is <>.
609
610 Here are some variants, most of which don't work:
611
612     $_ = "I have 2 numbers: 53147";
613     @pats = qw{
614         (.*)(\d*)
615         (.*)(\d+)
616         (.*?)(\d*)
617         (.*?)(\d+)
618         (.*)(\d+)$
619         (.*?)(\d+)$
620         (.*)\b(\d+)$
621         (.*\D)(\d+)$
622     };
623
624     for $pat (@pats) {
625         printf "%-12s ", $pat;
626         if ( /$pat/ ) {
627             print "<$1> <$2>\n";
628         } else {
629             print "FAIL\n";
630         }
631     }
632
633 That will print out:
634
635     (.*)(\d*)    <I have 2 numbers: 53147> <>
636     (.*)(\d+)    <I have 2 numbers: 5314> <7>
637     (.*?)(\d*)   <> <>
638     (.*?)(\d+)   <I have > <2>
639     (.*)(\d+)$   <I have 2 numbers: 5314> <7>
640     (.*?)(\d+)$  <I have 2 numbers: > <53147>
641     (.*)\b(\d+)$ <I have 2 numbers: > <53147>
642     (.*\D)(\d+)$ <I have 2 numbers: > <53147>
643
644 As you see, this can be a bit tricky.  It's important to realize that a
645 regular expression is merely a set of assertions that gives a definition
646 of success.  There may be 0, 1, or several different ways that the
647 definition might succeed against a particular string.  And if there are
648 multiple ways it might succeed, you need to understand backtracking to
649 know which variety of success you will achieve.
650
651 When using lookahead assertions and negations, this can all get even
652 tricker.  Imagine you'd like to find a sequence of non-digits not
653 followed by "123".  You might try to write that as
654
655     $_ = "ABC123";
656     if ( /^\D*(?!123)/ ) {              # Wrong!
657         print "Yup, no 123 in $_\n";
658     }
659
660 But that isn't going to match; at least, not the way you're hoping.  It
661 claims that there is no 123 in the string.  Here's a clearer picture of
662 why it that pattern matches, contrary to popular expectations:
663
664     $x = 'ABC123' ;
665     $y = 'ABC445' ;
666
667     print "1: got $1\n" if $x =~ /^(ABC)(?!123)/ ;
668     print "2: got $1\n" if $y =~ /^(ABC)(?!123)/ ;
669
670     print "3: got $1\n" if $x =~ /^(\D*)(?!123)/ ;
671     print "4: got $1\n" if $y =~ /^(\D*)(?!123)/ ;
672
673 This prints
674
675     2: got ABC
676     3: got AB
677     4: got ABC
678
679 You might have expected test 3 to fail because it seems to a more
680 general purpose version of test 1.  The important difference between
681 them is that test 3 contains a quantifier (C<\D*>) and so can use
682 backtracking, whereas test 1 will not.  What's happening is
683 that you've asked "Is it true that at the start of $x, following 0 or more
684 non-digits, you have something that's not 123?"  If the pattern matcher had
685 let C<\D*> expand to "ABC", this would have caused the whole pattern to
686 fail.
687 The search engine will initially match C<\D*> with "ABC".  Then it will
688 try to match C<(?!123> with "123", which of course fails.  But because
689 a quantifier (C<\D*>) has been used in the regular expression, the
690 search engine can backtrack and retry the match differently
691 in the hope of matching the complete regular expression.
692
693 The pattern really, I<really> wants to succeed, so it uses the
694 standard pattern back-off-and-retry and lets C<\D*> expand to just "AB" this
695 time.  Now there's indeed something following "AB" that is not
696 "123".  It's in fact "C123", which suffices.
697
698 We can deal with this by using both an assertion and a negation.  We'll
699 say that the first part in $1 must be followed by a digit, and in fact, it
700 must also be followed by something that's not "123".  Remember that the
701 lookaheads are zero-width expressions--they only look, but don't consume
702 any of the string in their match.  So rewriting this way produces what
703 you'd expect; that is, case 5 will fail, but case 6 succeeds:
704
705     print "5: got $1\n" if $x =~ /^(\D*)(?=\d)(?!123)/ ;
706     print "6: got $1\n" if $y =~ /^(\D*)(?=\d)(?!123)/ ;
707
708     6: got ABC
709
710 In other words, the two zero-width assertions next to each other work as though
711 they're ANDed together, just as you'd use any builtin assertions:  C</^$/>
712 matches only if you're at the beginning of the line AND the end of the
713 line simultaneously.  The deeper underlying truth is that juxtaposition in
714 regular expressions always means AND, except when you write an explicit OR
715 using the vertical bar.  C</ab/> means match "a" AND (then) match "b",
716 although the attempted matches are made at different positions because "a"
717 is not a zero-width assertion, but a one-width assertion.
718
719 One warning: particularly complicated regular expressions can take
720 exponential time to solve due to the immense number of possible ways they
721 can use backtracking to try match.  For example this will take a very long
722 time to run
723
724     /((a{0,5}){0,5}){0,5}/
725
726 And if you used C<*>'s instead of limiting it to 0 through 5 matches, then
727 it would take literally forever--or until you ran out of stack space.
728
729 A powerful tool for optimizing such beasts is "independent" groups,
730 which do not backtrace (see L<C<(?E<gt>pattern)>>).  Note also that
731 zero-length lookahead/lookbehind assertions will not backtrace to make
732 the tail match, since they are in "logical" context: only the fact
733 whether they match or not is considered relevant.  For an example
734 where side-effects of a lookahead I<might> have influenced the
735 following match, see L<C<(?E<gt>pattern)>>.
736
737 =head2 Version 8 Regular Expressions
738
739 In case you're not familiar with the "regular" Version 8 regex
740 routines, here are the pattern-matching rules not described above.
741
742 Any single character matches itself, unless it is a I<metacharacter>
743 with a special meaning described here or above.  You can cause
744 characters that normally function as metacharacters to be interpreted
745 literally by prefixing them with a "\" (e.g., "\." matches a ".", not any
746 character; "\\" matches a "\").  A series of characters matches that
747 series of characters in the target string, so the pattern C<blurfl>
748 would match "blurfl" in the target string.
749
750 You can specify a character class, by enclosing a list of characters
751 in C<[]>, which will match any one character from the list.  If the
752 first character after the "[" is "^", the class matches any character not
753 in the list.  Within a list, the "-" character is used to specify a
754 range, so that C<a-z> represents all characters between "a" and "z",
755 inclusive.  If you want "-" itself to be a member of a class, put it
756 at the start or end of the list, or escape it with a backslash.  (The
757 following all specify the same class of three characters: C<[-az]>,
758 C<[az-]>, and C<[a\-z]>.  All are different from C<[a-z]>, which
759 specifies a class containing twenty-six characters.)
760
761 Note also that the whole range idea is rather unportable between
762 character sets--and even within character sets they may cause results
763 you probably didn't expect.  A sound principle is to use only ranges
764 that begin from and end at either alphabets of equal case ([a-e],
765 [A-E]), or digits ([0-9]).  Anything else is unsafe.  If in doubt,
766 spell out the character sets in full.
767
768 Characters may be specified using a metacharacter syntax much like that
769 used in C: "\n" matches a newline, "\t" a tab, "\r" a carriage return,
770 "\f" a form feed, etc.  More generally, \I<nnn>, where I<nnn> is a string
771 of octal digits, matches the character whose ASCII value is I<nnn>.
772 Similarly, \xI<nn>, where I<nn> are hexadecimal digits, matches the
773 character whose ASCII value is I<nn>. The expression \cI<x> matches the
774 ASCII character control-I<x>.  Finally, the "." metacharacter matches any
775 character except "\n" (unless you use C</s>).
776
777 You can specify a series of alternatives for a pattern using "|" to
778 separate them, so that C<fee|fie|foe> will match any of "fee", "fie",
779 or "foe" in the target string (as would C<f(e|i|o)e>).  The
780 first alternative includes everything from the last pattern delimiter
781 ("(", "[", or the beginning of the pattern) up to the first "|", and
782 the last alternative contains everything from the last "|" to the next
783 pattern delimiter.  For this reason, it's common practice to include
784 alternatives in parentheses, to minimize confusion about where they
785 start and end.
786
787 Alternatives are tried from left to right, so the first
788 alternative found for which the entire expression matches, is the one that
789 is chosen. This means that alternatives are not necessarily greedy. For
790 example: when mathing C<foo|foot> against "barefoot", only the "foo"
791 part will match, as that is the first alternative tried, and it successfully
792 matches the target string. (This might not seem important, but it is
793 important when you are capturing matched text using parentheses.)
794
795 Also remember that "|" is interpreted as a literal within square brackets,
796 so if you write C<[fee|fie|foe]> you're really only matching C<[feio|]>.
797
798 Within a pattern, you may designate subpatterns for later reference by
799 enclosing them in parentheses, and you may refer back to the I<n>th
800 subpattern later in the pattern using the metacharacter \I<n>.
801 Subpatterns are numbered based on the left to right order of their
802 opening parenthesis.  A backreference matches whatever
803 actually matched the subpattern in the string being examined, not the
804 rules for that subpattern.  Therefore, C<(0|0x)\d*\s\1\d*> will
805 match "0x1234 0x4321", but not "0x1234 01234", because subpattern 1
806 actually matched "0x", even though the rule C<0|0x> could
807 potentially match the leading 0 in the second number.
808
809 =head2 WARNING on \1 vs $1
810
811 Some people get too used to writing things like:
812
813     $pattern =~ s/(\W)/\\\1/g;
814
815 This is grandfathered for the RHS of a substitute to avoid shocking the
816 B<sed> addicts, but it's a dirty habit to get into.  That's because in
817 PerlThink, the righthand side of a C<s///> is a double-quoted string.  C<\1> in
818 the usual double-quoted string means a control-A.  The customary Unix
819 meaning of C<\1> is kludged in for C<s///>.  However, if you get into the habit
820 of doing that, you get yourself into trouble if you then add an C</e>
821 modifier.
822
823     s/(\d+)/ \1 + 1 /eg;        # causes warning under -w
824
825 Or if you try to do
826
827     s/(\d+)/\1000/;
828
829 You can't disambiguate that by saying C<\{1}000>, whereas you can fix it with
830 C<${1}000>.  Basically, the operation of interpolation should not be confused
831 with the operation of matching a backreference.  Certainly they mean two
832 different things on the I<left> side of the C<s///>.
833
834 =head2 Repeated patterns matching zero-length substring
835
836 WARNING: Difficult material (and prose) ahead.  This section needs a rewrite.
837
838 Regular expressions provide a terse and powerful programming language.  As
839 with most other power tools, power comes together with the ability
840 to wreak havoc.
841
842 A common abuse of this power stems from the ability to make infinite
843 loops using regular expressions, with something as innocous as:
844
845     'foo' =~ m{ ( o? )* }x;
846
847 The C<o?> can match at the beginning of C<'foo'>, and since the position
848 in the string is not moved by the match, C<o?> would match again and again
849 due to the C<*> modifier.  Another common way to create a similar cycle
850 is with the looping modifier C<//g>:
851
852     @matches = ( 'foo' =~ m{ o? }xg );
853
854 or
855
856     print "match: <$&>\n" while 'foo' =~ m{ o? }xg;
857
858 or the loop implied by split().
859
860 However, long experience has shown that many programming tasks may
861 be significantly simplified by using repeated subexpressions which
862 may match zero-length substrings, with a simple example being:
863
864     @chars = split //, $string;           # // is not magic in split
865     ($whitewashed = $string) =~ s/()/ /g; # parens avoid magic s// /
866
867 Thus Perl allows the C</()/> construct, which I<forcefully breaks
868 the infinite loop>.  The rules for this are different for lower-level
869 loops given by the greedy modifiers C<*+{}>, and for higher-level
870 ones like the C</g> modifier or split() operator.
871
872 The lower-level loops are I<interrupted> when it is detected that a 
873 repeated expression did match a zero-length substring, thus
874
875    m{ (?: NON_ZERO_LENGTH | ZERO_LENGTH )* }x;
876
877 is made equivalent to 
878
879    m{   (?: NON_ZERO_LENGTH )* 
880       | 
881         (?: ZERO_LENGTH )? 
882     }x;
883
884 The higher level-loops preserve an additional state between iterations:
885 whether the last match was zero-length.  To break the loop, the following 
886 match after a zero-length match is prohibited to have a length of zero.
887 This prohibition interacts with backtracking (see L<"Backtracking">), 
888 and so the I<second best> match is chosen if the I<best> match is of
889 zero length.
890
891 Say,
892
893     $_ = 'bar';
894     s/\w??/<$&>/g;
895
896 results in C<"<><b><><a><><r><>">.  At each position of the string the best
897 match given by non-greedy C<??> is the zero-length match, and the I<second 
898 best> match is what is matched by C<\w>.  Thus zero-length matches
899 alternate with one-character-long matches.
900
901 Similarly, for repeated C<m/()/g> the second-best match is the match at the 
902 position one notch further in the string.
903
904 The additional state of being I<matched with zero-length> is associated to
905 the matched string, and is reset by each assignment to pos().
906
907 =head2 Creating custom RE engines
908
909 Overloaded constants (see L<overload>) provide a simple way to extend
910 the functionality of the RE engine.
911
912 Suppose that we want to enable a new RE escape-sequence C<\Y|> which
913 matches at boundary between white-space characters and non-whitespace
914 characters.  Note that C<(?=\S)(?<!\S)|(?!\S)(?<=\S)> matches exactly
915 at these positions, so we want to have each C<\Y|> in the place of the
916 more complicated version.  We can create a module C<customre> to do
917 this:
918
919     package customre;
920     use overload;
921
922     sub import {
923       shift;
924       die "No argument to customre::import allowed" if @_;
925       overload::constant 'qr' => \&convert;
926     }
927
928     sub invalid { die "/$_[0]/: invalid escape '\\$_[1]'"}
929
930     my %rules = ( '\\' => '\\', 
931                   'Y|' => qr/(?=\S)(?<!\S)|(?!\S)(?<=\S)/ );
932     sub convert {
933       my $re = shift;
934       $re =~ s{ 
935                 \\ ( \\ | Y . )
936               }
937               { $rules{$1} or invalid($re,$1) }sgex; 
938       return $re;
939     }
940
941 Now C<use customre> enables the new escape in constant regular
942 expressions, i.e., those without any runtime variable interpolations.
943 As documented in L<overload>, this conversion will work only over
944 literal parts of regular expressions.  For C<\Y|$re\Y|> the variable
945 part of this regular expression needs to be converted explicitly
946 (but only if the special meaning of C<\Y|> should be enabled inside $re):
947
948     use customre;
949     $re = <>;
950     chomp $re;
951     $re = customre::convert $re;
952     /\Y|$re\Y|/;
953
954 =head2 SEE ALSO
955
956 L<perlop/"Regexp Quote-Like Operators">.
957
958 L<perlop/"Gory details of parsing quoted constructs">.
959
960 L<perlfunc/pos>.
961
962 L<perllocale>.
963
964 I<Mastering Regular Expressions> (see L<perlbook>) by Jeffrey Friedl.