Sintaxis de los Patrones

Sintaxis de los Patrones - - describe la sintaxis de PCRE regex

Descripción


La librería PCRE es un conjunto de funciones que implementan emparejamientos dados patrones de expresiones regulares usando la misma sintaxis y semántica queLa librería PCRE es un conjunto de funciones que implementan emparejamientos dados patrones de expresiones regulares usando la misma sintaxis y semántica que Perl 5 , con unas pocas diferencias ( ver más adelante ) .

La actual versión corresponde a Perl 5.005 .

Diferencias frente a Perl


Las diferencias descritas aquí son con respecto a Perl 5.005 .

Por defecto , un carácter de espacio en blanco es cualquier carácter que la función isspace( ) de la librería C reconozca , así es posiblePor defecto , un carácter de espacio en blanco es cualquier carácter que la función isspace( ) de la librería C reconozca , así es posible compilar PCRE con tablas alternativas de tipos de caracteres .

Normalmente isspace( ) casa con el espacio , salto de pagina , nueva línea , retorno de carro,Normalmente isspace( ) casa con el espacio , salto de pagina , nueva línea , retorno de carro , tabulador horizontal y vertical .

Perl 5 ya no incluye el tabulador verticalPerl 5 ya no incluye el tabulador vertical en su conjunto de caracteres de espacio en blanco .
La secuencia de escape \n que estuvo durante mucho tiempo en la documentación de Perl nuncaLa secuencia de escape \n que estuvo durante mucho tiempo en la documentación de Perl nunca fue reconocida .

Sin embargo , el carácter fue tratado como espacio en blancoSin embargo , el carácter fue tratado como espacio en blanco hasta la 5.002 .
En 5.004 y 5.005 no casa \s .

PCRE no permite repetir cuantificadores sobre sentencias hacia adelante .
Perl las permite , pero no de la forma que puedas pensar .
Por ejemplo , ( ?!a){3 } no dice que los próximos tres caracteres no son "a " .
En realidad significa que los siguientes caracteres no son " a " tres veces .

3 . Los subpatrones encontrados dentro de sentencias de más adelante negativas son contados , pero sus entradas en el vector de desplazamientosLos subpatrones encontrados dentro de sentencias de más adelante negativas son contados , pero sus entradas en el vector de desplazamientos no son definidas .

Perl define sus variables numéricas desde cualquiera de tales patrones que son casados antes de que la sentencia falle emparejar algo , pero solo si las sentencies de más adelante negativas contienen una opción sola .




4 . Aunque los caracteres de cero binario son soportados en la cadena de entrada , no son permitidos en un patrón porque son pasados como un cadenaAunque los caracteres de cero binario son soportados en la cadena de entrada , no son permitidos en un patrón porque son pasados como un cadena típica de C , terminada por cero .

La secuencia de escape " \0 " puede ser usada en el patrón para representar el cero binario .


5 . Las siguientes secuencias de Perl no son soportadas:Las siguientes secuencias de Perl no son soportadas : \l , \u , \L , \U , \E , \Q .
En efecto , estas son implementadas por manipuladores de cadenas típicos de Perl y no son parte de los patrones del motor de búsqueda .



6 . La secuencia \G de Perl no es soportada ya que no es relevante para emparejamientos de patrones sencillos .


7 . Obviamente , PCRE no soporta el constructor ( ?{code})Obviamente , PCRE no soporta el constructor ( ?{code} ) 8 .

Hay algunas diferencias en Perl 5.005_02 respecto a las definicionesHay algunas diferencias en Perl 5.005_02 respecto a las definiciones de las cadenas de captura cuando parte de un patrón es repetido .
Por ejemplo , casando " aba " con el patrón / ^(a(b) ?)+$ / define $2 al valor "b",Por ejemplo , casando "aba " con el patrón / ^(a(b) ?)+$ / define $2 al valor "b" , pero emparejando "aabbaa " con / ^(aa(bb) ? )+$ / deja $2 sin definir .

Sin embargo , si el patrón es cambiado a / ^( aa(b(b)) ?)+$ / entones $2 (y $3 ) son definidos .



En Perl 5.004 $2 es definido en ambos casos , y también es cierto en PCRE .
Si en el futuro Perl cambia a una regla diferente , PCRE puede cambiar para seguirla .


9 . Otra discrepancia aún no resuelta es que en Perl 5.005_02 el patrónOtra discrepancia aún no resuelta es que en Perl 5.005_02 el patrón / ^( a) ?(?(1)a|b)+$ / casa la cadena "a " , pero en PCRE eso no es así .
Sin embargo , en ambos Perl y PCRE / ^( a)?a / empareja "a " dejando $1 sin definir .


10 . PCRE da algunas extensiones para facilitar las expresiones de PERL : ( a ) Aunque las sentencias de más adelante deben emparejar cadenas de longitud fija , cada opción de una sentencia de punto actual puede casar con una cadena dePCRE da algunas extensiones para facilitar las expresiones de PERL : (a ) Aunque las sentencias de más adelante deben emparejar cadenas de longitud fija , cada opción de una sentencia de punto actual puede casar con una cadena de longitud diferente .



Perl 5.005 requiere que todas ellas tengan la misma longitud . ( b ) Si es definido PCRE_DOLLAR_ENDONLY y PCRE_MULTILINE no lo es , el carácter especial $ sólo casa con el final de la cadena . (c ) Si se define PCRE_EXTRA , una barra invertida seguida de una letra sin un significado especial provoca un error . (d ) Si defines PCRE_UNGREEDY , la voracidad de los cuantificadores de repetición es invertida , esto es , por defecto son no codiciosos , pero seguidos por una interrogación si lo son .












Detalles de las expresiones


La sintaxis y la semántica de las expresiones soportadas por PCRE esLa sintaxis y la semántica de las expresiones soportadas por PCRE es descrita a continuación .
Las expresiones son descritas en la documentación del Perl y en numerosos libros , algunos de los cuales tienen mucho ejemplares , Jeffrey Friedl' s "Mastering Regular Expressions" , publicadoLas expresiones son descritas en la documentación del Perl y en numerosos libros , algunos de los cuales tienen mucho ejemplares , Jeffrey Friedl's "Mastering Regular Expressions" , publicado por O'Reilly (ISBN 1-56592-257-3 ) , las cubre con gran detalle .


La presente descripción es propuesta como documentación de referencia .


Una expresión es un patrón que es emparejada repetidamente , dada una cadenaUna expresión es un patrón que es emparejada repetidamente , dada una cadena de entrada , de izquierda a derecha .
Muchos caracteres se representan a ellosMuchos caracteres se representan a ellos mismos en el patrón .
Como un ejemplo trivial , el patrón The quick brown foxComo un ejemplo trivial , el patrón The quick brown fox casa una parte de una cadena de entrada que es idéntica a ella .



El poder de las expresiones proviene de la posibilidad de incluir alternativas yEl poder de las expresiones proviene de la posibilidad de incluir alternativas y repeticiones en el patrón .

Éstos son codificados en el patrón usando meta - characters ( caracteres especiales también llamados meta caracteres ) , los cuales no se representan a ellos mismos , en vez de eso , son interpretados de una manera especial .




Hay dos diferentes conjuntos de caracteres especiales : aquellos que son reconocidos en cualquier parte en el patrón excepto dentro corchetes ( '[ ' y ']'),Hay dos diferentes conjuntos de caracteres especiales : aquellos que son reconocidos en cualquier parte en el patrón excepto dentro corchetes ('[ ' y ']' ) , y aquellos que son reconocidos dentro .

Fuera de los corchetes , los caracteres especiales son : \ carácter de escape genérico con diferentes usos ^ secuencia de inicio de la cadena de entrada ( o línea , en modo multilínea ) $ secuencia de fin de la cadena de entrada (o línea , en modo multilínea ) . empareja cualquier carácter excepto el de nueva línea (por defecto ) [ inicia definición de clase de caracteres | inicio de opción alternativa ( inicio de subpatrón ) fin de subpatrón ? amplia el significado de ( también es el cuantificador 0 ó 1 también es el cuantificador minimizado * cero o más cuantificadores + uno o más cuantificadores { inicia el cuantificador min / max Parte de un patrón dentro de corchetes ([] ) es llamado un "character class"Fuera de los corchetes , los caracteres especiales son : \ carácter de escape genérico con diferentes usos ^ secuencia de inicio de la cadena de entrada (o línea , en modo multilínea ) $ secuencia de fin de la cadena de entrada (o línea , en modo multilínea ) . empareja cualquier carácter excepto el de nueva línea (por defecto ) [ inicia definición de clase de caracteres | inicio de opción alternativa ( inicio de subpatrón ) fin de subpatrón ? amplia el significado de ( también es el cuantificador 0 ó 1 también es el cuantificador minimizado * cero o más cuantificadores + uno o más cuantificadores { inicia el cuantificador min / max Parte de un patrón dentro de corchetes ([] ) es llamado un "character class " (clase de caracteres ) .


















En una clase de caracteres los únicos caracteres especiales son : \ carácter de escape genérico ^ niega la clase , pero sólo si el primer carácter - indica un rango de caracteres ] finaliza la clase de caracteres Las secciones siguientes describen el uso de cada uno de los caracteres especiales (meta caracteres ) .










BARRA INVERTIDABARRA INVERTIDA El carácter de barra invertida tiene varios usos .

Primero , si es seguido por un carácter que no sea alfanumérico , toma el significado que elPrimero , si es seguido por un carácter que no sea alfanumérico , toma el significado que el carácter pueda tener .

Este uso de la barra invertida , como un carácter de escape , se aplica tanto dentro como fuera de las clases de caracteres .


Por ejemplo , si quieres casar un carácter " *" , debes escribir "\* " en el patrón .
Esto es aplicable ya sea o no el carácter siguiente interpretado como un carácter especial , por eso siempre es aconsejable preceder un carácterEsto es aplicable ya sea o no el carácter siguiente interpretado como un carácter especial , por eso siempre es aconsejable preceder un carácter no alfanumérico con " \ " para especificar que se representa a él mismo .

En particular , si quieres casar una barra invertida , escribe " \\ " .


Si el patrón es compilado con la opción PCRE_EXTENDED , los espacios en blanco en el patrón ( fuera de una clase de caracteres ) y los caracteres entre un "# " fuera de una clase de caracteres y el carácter de nueva líneaSi el patrón es compilado con la opción PCRE_EXTENDED , los espacios en blanco en el patrón (fuera de una clase de caracteres ) y los caracteres entre un "# " fuera de una clase de caracteres y el carácter de nueva línea son ignorado .


Una barra invertida de escape puede usarse para incluir un espacio en blanco o el carácter " # " como parte del patrón .


Un segundo uso de la barra invertida sirve para codificar caracteres noUn segundo uso de la barra invertida sirve para codificar caracteres no imprimibles en los patrones de una manera visible .
No hay restricciones sobre la apariencia de los caracteres no imprimibles , quitando el cero binario de terminación de un patrón , pero cuando un patrón es preparado con un editor de texto , normalmente es fácil utilizar una de las siguientes secuencias de escape que representan sus caracteres binarios : \a alarma , esto es , el carácter BEL ( 07 en hexadecimal ) \cx "control-x" , donde x es cualquier carácter \e escape (1B en hexadecimal ) \f nueva página (0C en hexadecimal ) \n nueva línea (0A en hexadecimal ) \r retorno de carro (0D en hexadecimal ) \t tabulador (09 en hexadecimal ) \xhh carácter con código hh en hexadecimal \ddd carácter con código ddd en octal El efecto de "\cx " es como sigue : si "x " es una letra minúscula,No hay restricciones sobre la apariencia de los caracteres no imprimibles , quitando el cero binario de terminación de un patrón , pero cuando un patrón es preparado con un editor de texto , normalmente es fácil utilizar una de las siguientes secuencias de escape que representan sus caracteres binarios : \a alarma , esto es , el carácter BEL (07 en hexadecimal ) \cx "control-x" , donde x es cualquier carácter \e escape (1B en hexadecimal ) \f nueva página (0C en hexadecimal ) \n nueva línea (0A en hexadecimal ) \r retorno de carro (0D en hexadecimal ) \t tabulador (09 en hexadecimal ) \xhh carácter con código hh en hexadecimal \ddd carácter con código ddd en octal El efecto de "\cx " es como sigue : si "x " es una letra minúscula , es convertida a mayúscula .
















Entonces el sexto bit del carácter ( 40 enEntonces el sexto bit del carácter (40 en hexadecimal ) es invertido .
Esto es , " \cz " es 1A en hexadecimal , pero "\c{ " es 3B en hexadecimal , mientras "\c ; " es 7B en hexadecimal .


Después de " \x" , hasta dos dígitos hexadecimales son leídos (las letras pueden ser mayúsculas o minúsculas ) .


Después de " \0 " son leídos dos dígitos octales más . En ambos casos , si hayEn ambos casos , si hay menos de dos dígitos , se usrará lo que haya .
Esto es , la secuencia " \0\x\07"Esto es , la secuencia "\0\x\07 " indica dos ceros binarios seguidos por un carácter BEL .
Asegúrate dar dos dígitos después del inicial cero si el carácter que sigue es un dígito octal .


El uso de una barra invertida seguido por otro dígito que no sea el ceroEl uso de una barra invertida seguido por otro dígito que no sea el cero es complejo .
Fuera de una clase carácter , PCRE interpreta cualquier dígitoFuera de una clase carácter , PCRE interpreta cualquier dígito como un número decimal .
Si el número es menor que diez , o si ha habido al menos tantos paréntesis capturados a la izquierda en la expresión , entonces la secuencia entera es tomada como una back reference ( referencia atrás ) .


Una descripción de como trabaja esto es dada después , siguiendo la discusión de subpatrones con paréntesis .



Dentro de una clase carácter , o si el número decimal es mayor que nueve y no ha habido tantos subpatrones capturados PCRE relee los tres dígitos octales siguientes a la barra invertida y genera un byte desde los ochoDentro de una clase carácter , o si el número decimal es mayor que nueve y no ha habido tantos subpatrones capturados PCRE relee los tres dígitos octales siguientes a la barra invertida y genera un byte desde los ocho bits menos significativos del valor .


Cualquier dígito a continuación seCualquier dígito a continuación se representa a él mismo .
Por ejemplo : \040 es otro modo de escribir un espacio \40 es lo mismo , siempre que haya menos de cuarenta subpatrones abiertos \7 siempre es una referencia atrás \11 puede ser una referencia atrás o un tabulador \011 siempre es un tabulador \0113 es el carácter con código octal 113 ( ya que no puede haber más de noventa y nueve referencias atrás ) \377 es un byte con todos sus bits a uno \81 puede ser una referencia atrás o un cero binario seguido por dos caracteres "8 " y "1 " Ten en cuenta que el valor octal de un número mayor o igual a cien no debe ser precedido por un cero ya que no son leídos más de tres dígitos octales .















Todas las secuencias que definen el valor de un byte pueden ser usadasTodas las secuencias que definen el valor de un byte pueden ser usadas tanto dentro como fuera de la clase carácter .
Además , la secuenciaAdemás , la secuencia " \b " es interpretada como el carácter backspace (hex 08 ) dentro .
Fuera es definido de otra manera ( ver más adelante ) .


El tercer uso de la barra invertida es para especificar los tipos de caracteres genéricos : \d cualquier un dígito decimal \D cualquier carácter que no sea un dígito decimal \s cualquier carácter de espacio en blanco ( whitespace ) \S cualquier carácter que no sea un espacio en blanco \w cualquier carácter de "palabra " \W cualquier carácter que no se de "palabra " Cada pareja de secuencia de escape divide el conjunto global de caracteresEl tercer uso de la barra invertida es para especificar los tipos de caracteres genéricos : \d cualquier un dígito decimal \D cualquier carácter que no sea un dígito decimal \s cualquier carácter de espacio en blanco (whitespace ) \S cualquier carácter que no sea un espacio en blanco \w cualquier carácter de "palabra " \W cualquier carácter que no se de "palabra " Cada pareja de secuencia de escape divide el conjunto global de caracteres en dos .










Cualquier carácter dado empareja en uno y sólo uno de cada pareja .

Un carácter de " palabra " es cualquier letra o dígito o el carácter subrayado,Un carácter de "palabra " es cualquier letra o dígito o el carácter subrayado , esto es , cualquier carácter puede ser parte de una "palabra " en Perl .
La definición de letras y dígitos es controlada por la tabla de caracteres de PERL , y puede ser variada si las especificaciones regionales son tomadas enLa definición de letras y dígitos es controlada por la tabla de caracteres de PERL , y puede ser variada si las especificaciones regionales son tomadas en cuenta ( ver "Soporte regional más adelante" ) .


Por ejemplo , en Francia algunos caracteres tienen un código superior a 128 , para representar las letras acentuadas , y son emparejados por \w .



Estas secuencias de tipos de caracteres pueden aparecer tanto dentro comoEstas secuencias de tipos de caracteres pueden aparecer tanto dentro como fuera de las clases carácter .
Cada una casa un carácter del tipo apropiado .
Si el punto de casamiento actual es el final de la cadena , todo ello falla , ya que no hay más caracteres que casar .


El cuarto uso de la barra invertida es para ciertas sentencias ( assertions ) .
Una sentencia especifica una condición que tiene que ser encontrada en un punto particular de un emparejamiento , sin utilizar ningún carácter de laUna sentencia especifica una condición que tiene que ser encontrada en un punto particular de un emparejamiento , sin utilizar ningún carácter de la cadena de entrada .

El uso de subpatrones para sentencias más complicadasEl uso de subpatrones para sentencias más complicadas es descrito después .
Las sentencias de barra invertida son \b limites de palabra \B no sean limites de palabra \A inicio de la cadena de entrada ( independiente del modo multilínea ) \Z fin de la cadena de entrada o de una nueva línea delante del final (independiente del modo multilínea ) \z fin de la cadena de entrada (independiente de modo multilínea ) Estas sentencias no pueden aparecer dentro de una clase carácter (pero ten en cuenta que "\b " tiene un significado diferente , quiere decir el carácter backspace dentro de una clase carácter ) Un límite de palabra es una posición en la cadena de entrada donde un carácter y el anterior no emparejan con \w o \W (por ejemplo , uno casa con \w y el otro con \W ) , o el principio o el final de la cadena si el primero o el último carácter emparejan con \w , respectivamente .

















Las sentencias \A , \Z y \z se diferencian de los tradicionales circunflejo y dólar ( ver más adelante ) en que sólo emparejan el inicio y fin de laLas sentencias \A , \Z y \z se diferencian de los tradicionales circunflejo y dólar (ver más adelante ) en que sólo emparejan el inicio y fin de la cadena de entrada sin tener en cuenta las opciones definidas .

No les afectanNo les afectan las opciones PCRE_NOTBOL o PCRE_NOTEOL .
La diferencia entre \Z y \z es que \Z casa antes una nueva línea que es el último carácter de la cadena como también el final de la cadena , sin embargo \z sólo casa el final .



CIRCUNFLEJO Y DOLAR Fuera de una clase carácter , en el modo de emparejamiento por defecto , el carácter circunflejo es una sentencia la cual es verdadera sólo si el puntoCIRCUNFLEJO Y DOLAR Fuera de una clase carácter , en el modo de emparejamiento por defecto , el carácter circunflejo es una sentencia la cual es verdadera sólo si el punto de casamiento actual es el inicio de la cadena de entrada .



Dentro de una clase carácter , el circunflejo tiene significado completamente distinto ( ver más adelante ) .



El circunflejo no necesita ser el primer carácter del patrón si son posibles un número de alternativas , pero será la primera cosa en cada alternativa en la cual aparezca si el patrón casa esa opción .


Si todas las alternativas posibles empiezan con un circunflejo , esto es , si el patrón es obligado a casar sólo con en el inicio de la cadena de entrada,Si todas las alternativas posibles empiezan con un circunflejo , esto es , si el patrón es obligado a casar sólo con en el inicio de la cadena de entrada , se dice que es un patrón " anclado " .

También hay otros constructores que pueden hacer que un patrón sea anclado .


Un carácter de dólar es una sentencia que es verdadera sólo si el punto de emparejamiento actual es el final de la cadena de entrada , o inmediatamente antes de un carácter de nueva línea , el cual es el últimoUn carácter de dólar es una sentencia que es verdadera sólo si el punto de emparejamiento actual es el final de la cadena de entrada , o inmediatamente antes de un carácter de nueva línea , el cual es el último carácter en la cadena , por defecto .


El dólar no necesita ser el último carácter del patrón si hay varias alternativas , pero será el último elementoEl dólar no necesita ser el último carácter del patrón si hay varias alternativas , pero será el último elemento en cualquier alternativa en el que aparezca .

El dólar no tiene un significado especial en una clase carácter .


El significado del dólar puede ser cambiado para que sólo empareje el final de la cadena de entrada definiendo la opción PCRE_DOLLAR_ENDONLY a laEl significado del dólar puede ser cambiado para que sólo empareje el final de la cadena de entrada definiendo la opción PCRE_DOLLAR_ENDONLY a la hora de compilar o tiempo de ejecución .

Esto no afecta a la sentencia \Z .

El significado de los caracteres circunflejo y dólar cambia si la opciónEl significado de los caracteres circunflejo y dólar cambia si la opción PCRE_MULTILINE es definida .
Cuando éste es el caso , casan , respectivamente , inmediatamente antes y después de un carácter " \n " interno,Cuando éste es el caso , casan , respectivamente , inmediatamente antes y después de un carácter "\n " interno , además de emparejar con el inicio y el final de la cadena .

Por ejemplo , el patrón / ^abc$ / casa con la cadena de entrada " def\nabc " en modo multilínea,Por ejemplo , el patrón / ^abc$ / casa con la cadena de entrada "def\nabc " en modo multilínea , pero en otro modo no .

Consecuentemente , los patrones anclados son en modo línea ya que todas las opciones que empiezan con " ^ " no son ancladas en modoConsecuentemente , los patrones anclados son en modo línea ya que todas las opciones que empiezan con "^ " no son ancladas en modo multilínea .

La opción PCRE_DOLLAR_ENDONLY es ignorada si PCRE_MULTILINE es definido .


Ten en cuenta que las secuencias \A , \Z y \z pueden ser usadas para casar el inicio y el final de la cadena en ambos modos , y si todas las opciones de un patrón empiezan con \A siempre es anclado , independientemente de si PCRE_MULTILINE es definido o no .




FINAL ( PUNTO ) Fuera de una clase carácter , un punto en el patrón casa con un carácter cualquiera en la cadena de entrada , incluyendo un carácter no imprimible,FINAL (PUNTO ) Fuera de una clase carácter , un punto en el patrón casa con un carácter cualquiera en la cadena de entrada , incluyendo un carácter no imprimible , exceptuando el de nueva línea (por defecto ) .


Si la opción PCRE_DOTALL esSi la opción PCRE_DOTALL es definida , entonces los puntos casan con los de nueva línea también .
El manejo de puntos es completamente independiente del uso del circunflejo y elEl manejo de puntos es completamente independiente del uso del circunflejo y el dólar , la única relación entre ellos son los caracteres de nueva línea .

Los puntos no tienen un significado especial dentro de una clase carácter .


CORCHETES Un corchete de apertura crea una clase carácter , terminada por uno de cierre .


Un corchete de cierre no tiene un significado especial . Si un corchete de cierre es necesitado como un miembro de la clase , será el primer carácter de datos en la clase ( después de un circunflejo inicial , si está presente ) o con una barra invertida antes .




Si una clase carácter casa con un carácter único en la cadena ; el carácter debe estar en el conjunto de los caracteres definidos por la clase , a menos que el primero sea un circunflejo , en cuyo caso el carácter de la cadena deSi una clase carácter casa con un carácter único en la cadena ; el carácter debe estar en el conjunto de los caracteres definidos por la clase , a menos que el primero sea un circunflejo , en cuyo caso el carácter de la cadena de entrada no debe estar en el conjunto definido por la clase .


Si un circunflejo es necesitado como un miembro de la clase , asegúrate que no es el primero o es precedido por una barra invertida .



Por ejemplo , la clase carácter [ aeiou ] empareja cualquier vocal minúscula , mientras [^aeiou ] casa cualquier carácter que no sea una vocal minúscula .

Ten en cuenta que un circunflejo es una notación convenida para especificarTen en cuenta que un circunflejo es una notación convenida para especificar los caracteres que están en la clase enumerando los que no lo están .
No es una sentencia : consume un carácter de la cadena de entrada y falla si el punto actual es final .



Cuando se define el emparejamiento sin tener en cuenta mayúsculas y minúsculas ( caseless) , cualquier letra en una clase representa ambas , por ejemplo , un patrón caseless [aeiou ] empareja tanto "A " como "a " y un caseless [^aeiou ] no casa con "A " El carácter de nueva línea nunca es tratado de un modo especial en una clase carácter , aunque se hallan definido cualquiera de las opcionesCuando se define el emparejamiento sin tener en cuenta mayúsculas y minúsculas (caseless) , cualquier letra en una clase representa ambas , por ejemplo , un patrón caseless [aeiou ] empareja tanto "A " como "a " y un caseless [^aeiou ] no casa con "A " El carácter de nueva línea nunca es tratado de un modo especial en una clase carácter , aunque se hallan definido cualquiera de las opciones PCRE_DOTALL o PCRE_MULTILINE .






Una clase como [ ^a ] siempre casa con una nueva línea .


El carácter de menos puede ser usado para especificar un rango de caracteresEl carácter de menos puede ser usado para especificar un rango de caracteres en una clase miembro .
Por ejemplo , [ d-m ] casa con cualquier letra entre dPor ejemplo , [d-m ] casa con cualquier letra entre d y m ambas incluidas .
Si un carácter de menos es necesitado en una clase , debe ser precedido por una barra invertida o aparecer en una posición donde no pueda ser interpretado como indicador de una rango , normalmente al inicio o al final de la clase .




No es posible tener el carácter literal " ] " como el de final de un rango .
Un patrón como [ W -]46 ] es interpretado como una clase de dos caracteres ("W " y " -" ) seguido por la cadena literal "46]" , por lo que emparejaría conUn patrón como [W -]46 ] es interpretado como una clase de dos caracteres ("W " y " -" ) seguido por la cadena literal "46]" , por lo que emparejaría con "W46] " o "-46] " .

Sin embargo , si el carácter " ] " es precedido con una barra invertida es tomado por el final del rango , así [W-\]46 ] es interpretadoSin embargo , si el carácter "] " es precedido con una barra invertida es tomado por el final del rango , así [W-\]46 ] es interpretado como una clase conteniendo un rango seguido por dos caracteres .

La representación octal o hexadecimal de " ] " puede ser usada para finalizar un rango .



Los rangos trabajan en la secuencia ASCII . Se pueden especificar medianteSe pueden especificar mediante la representación numérica de los mismos , por ejemplo [ \000-\037 ] .
Si un rango que incluye letras es usado cuando es definida la opción de noSi un rango que incluye letras es usado cuando es definida la opción de no tener en cuenta mayúsculas y minúsculas casan ambas .

Por ejemplo , [ W-c ] es equivalente a [][\^_`wxyzabc] , teniendo en cuenta mayúsculas y minúsculas , y si la tabla de caracteres para la región "fr " es usada , entonces [\xc8-\xcb ] empareja los caracteres E acentuados en ambos casos .




Los tipos de caracteres \d , \D , \s , \S , \w , y \W también pueden aparecer en una clase carácter y añaden los caracteres que ellos casen para la clase .

Por ejemplo , [ \dABCDEF ] casa cualquier dígito hexadecimal . Un circunflejo puede ser usado convenientemente con el tipo de carácter mayúsculo para especificar un conjunto más restrictivo de caracteres que el de un casamientoUn circunflejo puede ser usado convenientemente con el tipo de carácter mayúsculo para especificar un conjunto más restrictivo de caracteres que el de un casamiento con tipo de carácter minúsculo .


Por ejemplo , la clase [ ^\W_ ] empareja cualquier letra o digito pero no el subrayado .


Todos los caracteres no alfanuméricos y los diferentes a \ , - , ^ ( al principio ) y ] no tienen un significado especial en una clase , y éstos tampoco si son definidos convenientemente .



BARRA VERTICAL Los caracteres de barra vertical son usados para separar patronesBARRA VERTICAL Los caracteres de barra vertical son usados para separar patrones alternativos .


Por ejemplo , el patrón gilbert| sullivanPor ejemplo , el patrón gilbert|sullivan casa con "gilbert " o "sullivan " .



Cualquier cantidad de opciones pueden ser implementadas , y una alternativa vacía se permite ( emparejando laCualquier cantidad de opciones pueden ser implementadas , y una alternativa vacía se permite (emparejando la cadena vacía ) .

El proceso de casamiento intenta cada una de izquierda aEl proceso de casamiento intenta cada una de izquierda a derecha , y la primera que valga es usada .
Si las alternativas están dentro de un subpatrón , " valga " significa que casa el resto del patrón principal como también la alternativa en el subpatrón .



DEFINIENDO LAS OPCIONES INTERNAS Las definiciones de PCRE_CASELESS , PCRE_MULTILINE , PCRE_DOTALL , y PCRE_EXTENDED pueden ser cambiadas desde dentro del patrón mediante una secuencia de letras de opciones de Perl encerradas entre " ( ? " y ") " .




Las letras de opciones son i para PCRE_CASELESS m para PCRE_MULTILINE s para PCRE_DOTALL x para PCRE_EXTENDED Por ejemplo , ( ?im ) define sin tener en cuenta mayúsculas y minúsculas y modoLas letras de opciones son i para PCRE_CASELESS m para PCRE_MULTILINE s para PCRE_DOTALL x para PCRE_EXTENDED Por ejemplo , (?im ) define sin tener en cuenta mayúsculas y minúsculas y modo multilínea .







También es posible eliminar estas opciones precediendo las letras con un menos y una combinación de definiciones y eliminaciones tal como ( ?im-sx) , la cual define PCRE_CASELESS y PCRE_MULTILINE mientrasTambién es posible eliminar estas opciones precediendo las letras con un menos y una combinación de definiciones y eliminaciones tal como (?im-sx ) , la cual define PCRE_CASELESS y PCRE_MULTILINE mientras elimina PCRE_DOTALL y PCRE_EXTENDED , también se permite .


Si una letra aparece antes y después del menos , la opción es eliminada .


El ámbito de estas opciones cambia dependiendo dónde ocurra la definición .
Las definiciones que son hechas fuera de subpatrones ( como antes) , el efecto esLas definiciones que son hechas fuera de subpatrones (como antes ) , el efecto es el mismo que si la opción se define o elimina al inicio del casamiento .
Los siguientes patrones se comportan todos de la misma manera : ( ?i)abc a(?i)bc ab(?i)c abc(?i ) el cual tiene el mismo efecto que compilar el patrón abc con la opciónLos siguientes patrones se comportan todos de la misma manera : (?i)abc a(?i)bc ab(?i)c abc(?i ) el cual tiene el mismo efecto que compilar el patrón abc con la opción PCRE_CASELESS .








En otras palabras , tales definiciones de " nivel superior " se aplican a todo el patrón (a menos que haya otro cambio dentro delEn otras palabras , tales definiciones de "nivel superior " se aplican a todo el patrón (a menos que haya otro cambio dentro del subpatrón ) .

Si hay más de una definición de la misma opción en el mismo nivel superior , la definición más a la derecha se usa .


Si un cambio de opción sucede dentro de un subpatrón , el efecto es diferente .
Esto es un cambio respecto de la conducta de Perl 5.005 . Un cambio de opción dentro de un subpatrón afecta sólo a la parte del subpatrón que lo sigue , por eso ( a(?i)b)c empareja abc y aBc y ninguna otra cadena (asumiendo que no es usadoUn cambio de opción dentro de un subpatrón afecta sólo a la parte del subpatrón que lo sigue , por eso (a(?i)b)c empareja abc y aBc y ninguna otra cadena (asumiendo que no es usado PCRE_CASELESS ) .






De este modo , las opciones pueden ser hechas paraDe este modo , las opciones pueden ser hechas para tener diferente significado en diferente partes del patrón .
Cualquier cambio realizado en una alternativa provoca que todo el subpatrón la use .

Por ejemplo , ( a(?i)b|c ) empareja "ab" , "aB" , "c" , y "C" , siempre y cuando case "C " la primeraPor ejemplo , (a(?i)b|c ) empareja "ab" , "aB" , "c" , y "C" , siempre y cuando case "C " la primera opción es abandonada antes de definir la opción .




Esto es porque los efectosEsto es porque los efectos de definiciones de opción ocurren en tiempo de compilación .
De otro modo , éstos sería una conducta muy rara .


Las opciones específicas PCRE PCRE_UNGREEDY y PCRE_EXTRA pueden ser cambiadas del mismo modo que las opciones compatibles con Perl usandoLas opciones específicas PCRE PCRE_UNGREEDY y PCRE_EXTRA pueden ser cambiadas del mismo modo que las opciones compatibles con Perl usando los caracteres U y X respectivamente .

La bandera ( ?X ) es especial ya que siempre debe aparecer antes que cualquier otra en el patrón , incluso cuandoLa bandera (?X ) es especial ya que siempre debe aparecer antes que cualquier otra en el patrón , incluso cuando es definida a nivel superior .

Es mejor ponerla en el inicio .

SUBPATRONES Los subpatrones son delimitados por paréntesis y pueden estar anidados .


Marcando parte de un patrón como un subpatrón permite dos cosas :

Define un conjunto de opciones . Por ejemplo , el patrón cat( aract|erpillar|)Por ejemplo , el patrón cat(aract|erpillar| ) empareja con "cat" , "cataract" , or "caterpillar " .



Sin los paréntesis , casaría " cataract" , "erpillar " o la cadena vacía .


Define el subpatrón como un subpatrón capturado . Cuando el patrón sea emparejado por completo , esa porción de la cadena de entrada que casa con el subpatrón es devuelta mediante el argumento ovector de pcre_exec( ) .


Los paréntesis abiertos son contados de izquierda a derecha ( empezando por uno ) para definir los números de subpatrones capturados .



Por ejemplo , si la cadena " the red king " es casada con el patrón the ((red|white ) (king|queen) ) las subcadenas capturadas son "red king" , "red" , y "king " y los números son 1,2 y 3 El hecho de que los paréntesis realicen dos funciones no siempre es útil .







A menudo , hay veces que un subpatrón agrupado es necesitado sin unaA menudo , hay veces que un subpatrón agrupado es necesitado sin una querer una captura .
Si un paréntesis abierto le sigue " ? :" , el subpatrón no hace ninguna captura , y no es contado cuando compute elSi un paréntesis abierto le sigue "? : " , el subpatrón no hace ninguna captura , y no es contado cuando compute el número de subpatrones capturados .

Por ejemplo , si la cadena " the white queen " es casada con el patrón the ((?:red|white ) (king|queen) ) las subcadenas capturadas son "white queen " y "queen " y son numeradas comoPor ejemplo , si la cadena "the white queen " es casada con el patrón the ((?:red|white ) (king|queen) ) las subcadenas capturadas son "white queen " y "queen " y son numeradas como 1 y 2 .





El número máximo de subcadenas es de 99 y el número máximo de subpatrones , capturados o no , es de 200 .


Como un atajo , si cualquier definición de opción es necesitada al inicio de un subpatrón no capturado , las letras de opciones pueden aparecer entreComo un atajo , si cualquier definición de opción es necesitada al inicio de un subpatrón no capturado , las letras de opciones pueden aparecer entre " ? " y " : " .

Así los dos patrones ( ?i:saturday|sunday ) (? :(?i)saturday|sunday)Así los dos patrones (?i:saturday|sunday ) (? :(?i)saturday|sunday ) emparejan como el mismo conjunto de cadena de entrada exactamente .




Ya que las alternativas son intentadas de izquierda a derecha , y las opciones no son dejadas de tener en cuenta hasta que el final de subpatrón se alcanza , una definición de opción en una alternativa afecta al resto , por eso el patrón anterior empareja tanto con " SUNDAY " como con "Saturday " .





REPETICION La repetición es especificada por cuantificadores , la cual puede utilizarla cualquiera de los siguientes elementos : un carácter , posiblemente precedido por el meta carácter . una clase carácter una referencia atrás ( ver la próxima sección ) un subpatrón con paréntesis (a menos que sea una sentencia , ver más adelante ) El cuantificador de repetición general indica un número mínimo y un máximo de casamientos permitidos , dando los dos números entre llaves , separadosREPETICION La repetición es especificada por cuantificadores , la cual puede utilizarla cualquiera de los siguientes elementos : un carácter , posiblemente precedido por el meta carácter . una clase carácter una referencia atrás (ver la próxima sección ) un subpatrón con paréntesis (a menos que sea una sentencia , ver más adelante ) El cuantificador de repetición general indica un número mínimo y un máximo de casamientos permitidos , dando los dos números entre llaves , separados por coma .











El número debe ser menor que 65536 , y el primero debe ser menorEl número debe ser menor que 65536 , y el primero debe ser menor o igual que el segundo .
Por ejemplo : z{ 2,4}Por ejemplo : z{2,4 } casa con "zz" , "zzz" , o "zzzz " .



Una llave de cierre por si misma no es unUna llave de cierre por si misma no es un carácter especial .
Si el segundo número es omitido , pero aparece la coma , entonces no hay límite superior ; si el segundo número y la coma sonSi el segundo número es omitido , pero aparece la coma , entonces no hay límite superior ; si el segundo número y la coma son omitidos , el cuantificador indica el número exacto de repeticiones .

Así [ aeiou]{3 , } empareja al menos tres vocales seguidas , pero pueden ser muchas más , mientras \d{8}Así [aeiou]{3 , } empareja al menos tres vocales seguidas , pero pueden ser muchas más , mientras \d{8 } casa exactamente ocho dígitos .







Una llave abierta en una posición donde un cuantificador no es permitido o una que no empareje con la sintaxis de unUna llave abierta en una posición donde un cuantificador no es permitido o una que no empareje con la sintaxis de un cuantificador es tomada como un carácter literal .

Por ejemplo , { ,6 } no es un cuantificador , pero una cadena literal de cuatro caracteres .


Se permite el cuantificado { 0 } , provocando que la expresión se comporte como si el elemento anterior y el cuantificador no estuvieran presentes .


Por conveniencia ( y compatibilidad histórica ) los cuantificadores más comunes tienen abreviaciones de un solo carácter . * es equivalente a {0 , } + es equivalente a {1 , } ? es equivalente a {0,1 } Es posible construir bucles infinitos mediante un subpatrón que pueda casar ningún carácter con un cuantificador que no tenga límite superior , por ejemplo : (a ?)* Las primeras versiones de Perl y PCRE dan un error en tiempo de compilaciónPor conveniencia (y compatibilidad histórica ) los cuantificadores más comunes tienen abreviaciones de un solo carácter . * es equivalente a {0 , } + es equivalente a {1 , } ? es equivalente a {0,1 } Es posible construir bucles infinitos mediante un subpatrón que pueda casar ningún carácter con un cuantificador que no tenga límite superior , por ejemplo : (a ? )* Las primeras versiones de Perl y PCRE dan un error en tiempo de compilación para tales patrones .













Sin embargo , ya que existen casos donde esto puede ser útil , esto patrones son aceptados ahora , pero si cualquier repetición del subpatrón no casa ningún carácter , el bucle es roto .



Por defecto , los cuantificadores son " codiciosos" , esto es , casan tantas veces como les es posible (hasta el número máximo de veces permitido) , sinPor defecto , los cuantificadores son "codiciosos" , esto es , casan tantas veces como les es posible (hasta el número máximo de veces permitido ) , sin provocar que el resto del patrón falle .

El ejemplo clásico de donde viene este problema es en intentar casar comentarios en los programas en C .

Estos aparecen entre las secuencias / * y * / y dentro de la secuencia losEstos aparecen entre las secuencias / * y * / y dentro de la secuencia los caracteres * y / pueden aparecer individualmente .
Un modo de casar comentarios en C es aplicando el patrón / \*.*\* / para la cadena / * first command * / not comment / * second comment * / falla , porque casa la cadena entera debido a la voracidad del elemento .* Sin embargo , si un cuantificador le siguw un signo de interrogación entonces cesa la voracidad y empareja el mínimo número de veces posibles , así el patrón / \*.*?\* / Un modo de casar comentarios en C es aplicando el patrón / \*.*\* / para la cadena / * first command * / not comment / * second comment * / falla , porque casa la cadena entera debido a la voracidad del elemento .* Sin embargo , si un cuantificador le siguw un signo de interrogación entonces cesa la voracidad y empareja el mínimo número de veces posibles , así el patrón / \*.*?\* / hace las cosas correctamente con los comentarios en C .
















El significado de los cuantificadores variables no es cambiado en otro modo , justo el númeroEl significado de los cuantificadores variables no es cambiado en otro modo , justo el número preferido de casamientos .

No confundas el uso de las interrogaciones conNo confundas el uso de las interrogaciones con su uso como un cuantificador mas .
Ya que tiene dos usos , a veces puede parecer doble , como en \d??\d el cual empareja un dígito normalmente , pero puede casar dos si ese el único modo de casar el resto del patrón .







Si se define la opción PCRE_UNGREEDY ( la cual no es posible en Perl ) entonces los cuantificadores no son voraces por defecto , pero uno puedeSi se define la opción PCRE_UNGREEDY (la cual no es posible en Perl ) entonces los cuantificadores no son voraces por defecto , pero uno puede serlo seguido por una interrogación .

En otras palabras , invierte la conducta por defecto .


Cuando un subpatrón entre paréntesis es cuantificado con un número mínimo de repeticiones superior a uno o con un límite máximo , se necesita más almacenamiento para compilar el patrón , en proporción al tamaño del mínimo o del máximo .




Si un patrón empieza con .* o .{ 0 , } y la opción PCRE_DOTALL (equivalente a / s del Perl ) es definida , esta permitiendo el . para casar nuevas líneas,Si un patrón empieza con .* o .{0 , } y la opción PCRE_DOTALL (equivalente a / s del Perl ) es definida , esta permitiendo el . para casar nuevas líneas , entonces el patrón es anclado implícitamente .

PCRE trata tales patronesPCRE trata tales patrones como si estuvieran precedidos por \A .
En los casos donde se conoce que la cadena de entrada no contiene nuevas líneas , es conveniente definir PCRE_DOTALL cuando el patrón empieza con .* para obtener esta optimización o usar ^ para indicar explícitamente anclamiento .




Cuando un subpatrón capturado es repetido , el valor capturado es laCuando un subpatrón capturado es repetido , el valor capturado es la subcadena que empareja la iteración final .
Por ejemplo , el patrón ( tweedle[dume]{3}\s*) + con la cadena de entrada "tweedledum tweedledee " el valor de la subcadenaPor ejemplo , el patrón (tweedle[dume]{3}\s*) + con la cadena de entrada "tweedledum tweedledee " el valor de la subcadena capturada es "tweedledee " .




Sin embargo , si hay subpatrones capturados anidadamente , los valores capturados correspondientes pueden haber sidoSin embargo , si hay subpatrones capturados anidadamente , los valores capturados correspondientes pueden haber sido definidos en las iteraciones anteriores .

Por ejemplo , después de casar " aba " con / (a|(b))+ / el valor de la segunda subcadena capturada es "b " .






REFERENCIAS ATRAS Fuera de una clase carácter , una barra invertida seguida por un digito mayor que cero ( y posiblemente más dígitos ) es una referencia atrás a un subpatrón capturado antes (a su izquierda ) en el patrón , siempre que haya habido tantos paréntesis a la izquierda capturados .






Sin embargo , si el número decimal seguido por la barra invertida es menor que diez , siempre es tomado como una referencia atrás , y da error sólo siSin embargo , si el número decimal seguido por la barra invertida es menor que diez , siempre es tomado como una referencia atrás , y da error sólo si no hay los suficientes subpatrones capturados en todo el patrón .

En otras palabras , los paréntesis que son referidos no necesitan estar a laEn otras palabras , los paréntesis que son referidos no necesitan estar a la izquierda de la referencia para un número menor de diez .

Examina la sección anterior titulada " Barra invertida " para más detalles del manejo de los dígitos con la barra invertida .



Una referencia atrás empareja si casa el subpatrón capturado en el actual punto de la cadena de entrada , mejor que casar cualquier subpatrón de laUna referencia atrás empareja si casa el subpatrón capturado en el actual punto de la cadena de entrada , mejor que casar cualquier subpatrón de la misma .

Así el patrón ( sens|respons)e and \1ibility casa con "sense and sensibility " y "response and responsi bility" , peroAsí el patrón (sens|respons)e and \1ibility casa con "sense and sensibility " y "response and responsi bility" , pero no "sense and responsibility " .




Si el casamiento con la distinción entre minúsculas y mayúsculas está activado en el momento de la referencia atrás,Si el casamiento con la distinción entre minúsculas y mayúsculas está activado en el momento de la referencia atrás , entonces la distinción de las letras es relevante .

Por ejemplo , ( (?i)rah)\s+\1 casa con "rah rah " y "RAH RAH" , pero no "RAH rah " , pero el subpatrón capturado originalmente es emparejado sin la distinción .






Puede haber más de una referencia atrás en el mismo subpatrón . Si un subpatrón no ha sido usado en un emparejamiento particular , entoncesSi un subpatrón no ha sido usado en un emparejamiento particular , entonces cualquier referencia atrás siempre fallara .

Por ejemplo , el patrón ( a|(bc))\2Por ejemplo , el patrón (a|(bc))\2 fallará siempre si inicia a casar con "a " mejor que con "bc " .



Ya que puede haber hasta 99 referencias atrás , todos los dígitos seguidos por una barra invertida son tomados como parte de número potencial de referencias atrás .


Si el patrón continua con un carácter de dígito , entonces algún delimitadorSi el patrón continua con un carácter de dígito , entonces algún delimitador debe ser usado para terminar la referencia atrás .
Si la opción PCRE_EXTENDEDSi la opción PCRE_EXTENDED es definida , este puede ser el espacio en blanco .
De otro modo un comentario vació puede ser usado .


Una referencia atrás ocurre dentro del paréntesis al cual refiere , falla cuando el subpatrón es usado por primera vez , así por ejemplo , ( a\1 ) nuncaUna referencia atrás ocurre dentro del paréntesis al cual refiere , falla cuando el subpatrón es usado por primera vez , así por ejemplo , (a\1 ) nunca emparejará .

Sin embargo , tal referencia puede ser útil dentro de losSin embargo , tal referencia puede ser útil dentro de los subpatrones repetidos .
Por ejemplo , el patrón ( a|b\1)+Por ejemplo , el patrón (a|b\1) + casa con cualquier número de "a"s y también con "aba" , "ababaa " etc .



Para cada iteración del subpatrón , la referencia atrás casa la cadena dePara cada iteración del subpatrón , la referencia atrás casa la cadena de caracteres correspondiente a la iteración anterior .

Para que esto trabaje , el patrón debe ser tal que la primera iteración no necesite casar la referenciaPara que esto trabaje , el patrón debe ser tal que la primera iteración no necesite casar la referencia atrás .

Esto puede hacerse usando alternativas , como en el ejemplo anterior , o por medio de cuantificadores con un número mínimo de cero .


SENTENCIAS Una sentencia es un test sobre los caracteres siguiendo o precediendo elSENTENCIAS Una sentencia es un test sobre los caracteres siguiendo o precediendo el punto actual de emparejamiento que no consume caracteres .


Las sentenciasLas sentencias codificadas como \b , \B , \A , \Z , \z , ^ y $ son descritas después .
LasLas sentencias más complejas son codificadas como subpatrones .
Hay dos clases : aquellas que condicionan más adelante de la posición actual en la cadena de entrada ( lookahead)y las que lo hacen en este punto (lookbehind ) .



Un subpatrón de sentencia es emparejado del modo típico , excepto que noUn subpatrón de sentencia es emparejado del modo típico , excepto que no hace que el punto actual de emparejamiento cambie .
Sentencias que condicionan más adelante empiezan con ( ?= para sentencias afirmativas y (? ! para las negativas \w+(?= ; ) empareja una palabra seguida por un punto y coma . pero no incluye el punto y coma en el casamiento , y foo(?!bar)Sentencias que condicionan más adelante empiezan con (?= para sentencias afirmativas y (? ! para las negativas \w+(?= ; ) empareja una palabra seguida por un punto y coma . pero no incluye el punto y coma en el casamiento , y foo(?!bar ) casa cualquier ocurrencia de "foo " que no es seguida por "bar " .










Ten en cuenta que el patrón similar ( ?!foo)bar no encuentra una ocurrencia de "bar " que es precedida por algo que no sea "foo" ; encuentra cualquier ocurrencia de "bar" , ya que la sentencia (?!foo ) es siempreTen en cuenta que el patrón similar (?!foo)bar no encuentra una ocurrencia de "bar " que es precedida por algo que no sea "foo" ; encuentra cualquier ocurrencia de "bar" , ya que la sentencia (?!foo ) es siempre verdadera cuando los tres primeros caracteres son "bar " .






Una sentencia en elUna sentencia en el punto actual es necesaria para realizar este efecto .
Las sentencias de punto actual empiezan con ( ? = para sentencias afirmativas y ( ? ! para lasLas sentencias de punto actual empiezan con ( ? = para sentencias afirmativas y ( ? ! para las negativas .

Por ejemplo , ( ? !foo)bar encuentra una ocurrencia de "bar " que no es precedida por "foo " .




Los contenidos de un sentencia de punto actual están limitados para que todasLos contenidos de un sentencia de punto actual están limitados para que todas las cadenas que emparejen deban tener una longitud fijada .
Sin embargo , siSin embargo , si hay varias alternativas , no todas tienen que tener la misma longitud .
Así ( ? =bullock|donkey ) es permitido , pero ( ? !dogs ?|cats ?)Así ( ? =bullock|donkey ) es permitido , pero ( ? !dogs ?|cats ? ) da error en tiempo de compilación .







Opciones que emparejen diferentes longitudes de cadenas son permitidas sólo a nivel superior de la sentenciaOpciones que emparejen diferentes longitudes de cadenas son permitidas sólo a nivel superior de la sentencia de punto actual .

Ésta es una extensión comparada con Perl 5.005 , la cualÉsta es una extensión comparada con Perl 5.005 , la cual requiere que todas las opciones a casar tengan la misma longitud .
Una sentencia como ( ? =ab(c|de) ) no es permitida , ya que sus opciones a nivel superior pueden casar dos longitudes diferentes , pero es aceptable si se rescribe para usar dos opciones a nivel superior : ( ? =abc|abde ) La implementación de sentencias de punto actual es , para cada alternativa , mover temporalmente la posición actual hacia atrás por la longitud fijadaUna sentencia como ( ? =ab(c|de) ) no es permitida , ya que sus opciones a nivel superior pueden casar dos longitudes diferentes , pero es aceptable si se rescribe para usar dos opciones a nivel superior : ( ? =abc|abde ) La implementación de sentencias de punto actual es , para cada alternativa , mover temporalmente la posición actual hacia atrás por la longitud fijada e intentar casar .












Si no hay suficientes caracteres antes de la posiciónSi no hay suficientes caracteres antes de la posición actual , fallará .
Las sentencias de punto actual en unión con subpatrones de sólo una vez pueden ser particularmente útiles para emparejamientos de finales de cadenas ; un ejemplo es dado al final de la sección sobre subpatrones de una sola vez .




Varias sentencias ( de cualquier tipo ) pueden suceder consecutivamente .
Por ejemplo , ( ? =\d{3})( ? !999)foo empareja "foo " precedido por tres dígitos que no sean "999 " .




Además , las sentencias puede ser anidadas en cualquier combinación . Por ejemplo , ( ? =( ? !foo)bar)baz empareja una ocurrencia de "baz " que es precedida por "bar " la cual no sea precedida por "foo " .







Los subpatrones de sentencias no son subpatrones capturados , y no puedenLos subpatrones de sentencias no son subpatrones capturados , y no pueden ser repetidos , ya que no tiene sentido la misma cosa varias veces .
Si una sentencia contiene subpatrones capturados dentro de ella , éstos son siempre contados para el propósito de la numeración de los subpatrones capturadosSi una sentencia contiene subpatrones capturados dentro de ella , éstos son siempre contados para el propósito de la numeración de los subpatrones capturados en todo el patrón .


Las subcadenas capturadas son tenidas en cuenta para las sentencias afirmativas , pero no para las negativas ( no tiene sentido ) .


El contador de sentencias llega hasta un máximo de doscientos subpatrones con paréntesis .


SUBPATRONES DE UNA SOLA VEZ Maximizando y minimizando las repeticiones para ver si un número diferente de éstas permite al resto del patrón emparejar , causa múltiples evaluacionesSUBPATRONES DE UNA SOLA VEZ Maximizando y minimizando las repeticiones para ver si un número diferente de éstas permite al resto del patrón emparejar , causa múltiples evaluaciones de la cadena de entrada .



A veces es útil prevenir esto , cambiando el patrón o provocando que la repetición falle pronto , cuando el creador del patrón conoce que no hay puntos en común .



Considera , por ejemplo , el patrón \d+foo cuando se aplica a esta cadena de entrada 123456bar Después de emparejar los seis dígitos falla al emparejar " foo " , la acción normal del casamiento es intentar otra vez con sólo cinco dígitos que emparejen con el elemento \d+ , y entonces con cuatro , y así , antes de fallar .







Subpatrones de una sola vez dan el modo de especificar que una parte del patrón tiene que emparejar , no es re-evaluado de esta manera , así elSubpatrones de una sola vez dan el modo de especificar que una parte del patrón tiene que emparejar , no es re-evaluado de esta manera , así el casamiento fallará al emparejar " foo " la primera vez .

La notación es otra clase de paréntesis especial , iniciado con ( ?gt ; como en este ejemplo : ( ? \d+)bar Esta clase de paréntesis "bloquean " la parte del patrón que tiene que ser emparejada una vez y un fallo impide que la re-evalue .







Una descripción alternativa es que un subpatrón de este tipo case los caracteres de la cadena que un patrón fijo emparejaría , si estuviera anclado en el punto actual de la cadena de entrada .



Subpatrones de una sola vez no son subpatrones capturados . Estos casos tal como el ejemplo anterior pueden ser interpretado como de una repetición maximizada que debe tragar todo lo que pueda .


Por esto , mientras ambos \d + y \d ? están preparados para ajustar el número de dígitos que emparejan para hacer que el resto del patrón case , ( ? \d+ ) sólo puede emparejar un secuencia de dígitos entera .



Esta construcción , por supuesto , puede contener subpatrones arbitriamente complicados y pueden estar anidados .


Subpatrones de una sola vez pueden usarse con sentencias de punto actual para especificar eficientes emparejamientos al final de la cadena de entrada .

Consideremos un patrón sencillo como este abcd$Consideremos un patrón sencillo como este abcd$ cuando se aplica a una cadena larga con la cual no empareja .



Ya que el casamiento va de izquierda a derecha , PCRE buscará cada " a " en la cadenaYa que el casamiento va de izquierda a derecha , PCRE buscará cada "a " en la cadena y entonces verá si lo que sigue casa con el resto del patrón .

Si el patrón se escribe así ^.*abcd$ entonces el .* inicial casará primero la cadena entera , pero cuando esto falle , volverá atrás para emparejar todo menos el último carácter , entoncesSi el patrón se escribe así ^.*abcd$ entonces el .* inicial casará primero la cadena entera , pero cuando esto falle , volverá atrás para emparejar todo menos el último carácter , entonces los dos últimos y así sucesivamente .






Otra vez la búsqueda de " a " cubre laOtra vez la búsqueda de "a " cubre la cadena completa , de derecha a izquierda , de esta manera no se mejora .
Sin embargo , si el patrón fuese este ^( ? .*)( ? =abcd ) entonces no hay vuelta atrás para el elemento .* ; sólo puede casar la cadenaSin embargo , si el patrón fuese este ^( ? .*)( ? =abcd ) entonces no hay vuelta atrás para el elemento .* ; sólo puede casar la cadena entera .





La sentencia de punto actual subsiguiente hace un test sencilloLa sentencia de punto actual subsiguiente hace un test sencillo sobre los últimos cuatro caracteres .
Si falla , el casamiento inmediatamenteSi falla , el casamiento inmediatamente da un resultado negativo .
Para cadena largas , este acercamiento da una diferencia significativa en tiempo de ejecución .


SUBPATRONES CONDICIONALES Es posible hacer que el casamiento procese un subpatrón condicionalmente o elegir entre dos subpatrones alternativos , dependiendo del resultado de una sentencia o si un subpatrón capturado previamente casó o no .





Las dos formas posibles de subpatrones condicionales son ( ?(condition)yes-pattern ) ( ?(condition)yes-pattern|no-pattern ) Si la condición es satisfecha , el yes-pattern es usado ; sino el no-patternLas dos formas posibles de subpatrones condicionales son ( ?(condition)yes-pattern ) ( ?(condition)yes-pattern|no-pattern ) Si la condición es satisfecha , el yes-pattern es usado ; sino el no-pattern es utilizado si existe .





Si hay más de dos alternativas en el subpatrón , se produce un error en tiempo de compilación .


Hay dos clases de condiciones . Si el texto entre los paréntesis consiste de una secuencia de dígitos , entonces la condición es verdadera si elSi el texto entre los paréntesis consiste de una secuencia de dígitos , entonces la condición es verdadera si el subpatrón capturado de ese número ha sido casado previamente .

Consideremos el siguiente patrón , contiene espacios en blanco para hacerlo más leíble ( asumimos la opción PCRE_EXTENDED ) y lo dividimos en tres partes para facilitar la discusión : ( \ ( ) ? [^()] + ( ?(1 ) \ ) ) La primera parte empareja un paréntesis opcional abierto , y si el carácterConsideremos el siguiente patrón , contiene espacios en blanco para hacerlo más leíble (asumimos la opción PCRE_EXTENDED ) y lo dividimos en tres partes para facilitar la discusión : ( \ ( ) ? [^()] + ( ?(1 ) \ ) ) La primera parte empareja un paréntesis opcional abierto , y si el carácter esta presente , lo define como la primera subcadena capturada .







La segundaLa segunda parte casa uno o más caracteres que no están entre paréntesis .
La tercera parte es un subpatrón condicional que examina si el primer conjunto deLa tercera parte es un subpatrón condicional que examina si el primer conjunto de paréntesis casa o no .

Si fuera así , esto es , si la cadena de entrada empieza por un paréntesis abierto , la condición es cierta , y el yes-patternSi fuera así , esto es , si la cadena de entrada empieza por un paréntesis abierto , la condición es cierta , y el yes-pattern es ejecutado y un paréntesis de cierre es requerido .

De otro modo , ya queDe otro modo , ya que no-pattern no esta presente , el subpatrón no casa con nada .
En otras palabras , este patrón casa una secuencia de datos sin paréntesis opcionalmente limitada por ellos .



Si la condición no es una secuencia de dígitos , debe ser una sentencia .
Esto puede ser una sentencia de más adelante positiva o negativa o unaEsto puede ser una sentencia de más adelante positiva o negativa o una de punto actual .
Consideremos este patrón , otra vez conteniendo espacios en blanco sin significado y con la segunda alternativa en la siguiente línea : ( ?(?=[^a-z]*[a-z] ) \d{2}[a-z]{3}-\d{2 } | \d{2}-\d{2}-\d{2 } ) La condición es una sentencia de más adelante positiva que empareja una secuencia opcional de cualquier cosas menos letras seguido por una letra .







En otras palabras , examina la presencia de al menos una letra en la cadenaEn otras palabras , examina la presencia de al menos una letra en la cadena de entrada .
Si una letra es encontrada , la cadena es casada con la primeraSi una letra es encontrada , la cadena es casada con la primera alternativa ; sino lo es con la segunda .
Este patrón casa cadenas de una de estas dos formas dd-aaa-dd o dd-dd-dd , donde aaa son letra y dd son dígitos .


COMENTARIOS La secuencia ( ?# marca el inicio de un comentario el cual continua hastaCOMENTARIOS La secuencia (?# marca el inicio de un comentario el cual continua hasta el primer paréntesis .


Los paréntesis anidados no son permitidos . Los caracteres que forman un comentario no forman parte del patrón de emparejamiento .



Si la opción PCRE_EXTENDED es definida , un carácter # fuera de una clase carácter crea un comentario que continua hasta la próxima línea del patrón .


RENDIMIENTO Ciertos elementos que pueden aparecer en los patrones son más eficientesRENDIMIENTO Ciertos elementos que pueden aparecer en los patrones son más eficientes que otros .


Es más eficiente usar una clase carácter como [ aeiou ] que unEs más eficiente usar una clase carácter como [aeiou ] que un conjunto de alternativas tal como (a|e|i|o|u ) .
En general , los constructores más sencillos que dan la conducta requerida son , normalmente , más eficientes .

El libro de Jeffrey Friedl contiene un montón de discusiones sobre la optimización de expresiones regulares para un rendimiento eficiente .


Cuando un patrón empieza con .* y la opción PCRE_DOTALL está definida , el patrón es anclado implícitamente por PCRE , ya que sólo puede casar el inicioCuando un patrón empieza con .* y la opción PCRE_DOTALL está definida , el patrón es anclado implícitamente por PCRE , ya que sólo puede casar el inicio de la cadena de entrada .

Sin embargo , si PCRE_DOTALL no es definido , PCRE no puede hacer esta optimización , ya que el meta carácter . no tiene porque casar con una nueva línea y si la cadena de entrada contiene varias nuevas líneas , el patrón puede emparejar desde el carácter inmediatamente siguienteSin embargo , si PCRE_DOTALL no es definido , PCRE no puede hacer esta optimización , ya que el meta carácter . no tiene porque casar con una nueva línea y si la cadena de entrada contiene varias nuevas líneas , el patrón puede emparejar desde el carácter inmediatamente siguiente a uno de ellos en vez del inicio .



Por ejemplo , el patrón ( .* ) second casa la cadena de entrada "first\nand second " (donde \n representa un carácter de nueva línea ) con la primera subcadena capturada empezando con "and " .





En otras palabras , PCRE tiene que intentar los casamientos iniciándolos después de cada nueva línea en la cadena de entrada .


Si estas usando un patrón con cadenas de entrada que no contienen nuevas líneas , el mejor rendimiento se obtiene definiendo PCRE_DOTALL o iniciandoSi estas usando un patrón con cadenas de entrada que no contienen nuevas líneas , el mejor rendimiento se obtiene definiendo PCRE_DOTALL o iniciando el patrón con ^.* para indicar anclamiento explícito .

Esto previene a PCRE tener que examinar toda la cadena de entrada buscando nuevas líneas para empezar de nuevo .