home *** CD-ROM | disk | FTP | other *** search
/ Netrunner 2004 October / NETRUNNER0410.ISO / regular / ActivePerl-5.8.4.810-MSWin32-x86.msi / _a3c8753852bf31c103b8bd822bb3272f < prev    next >
Text File  |  2004-06-01  |  29KB  |  802 lines

  1. =head1 NAME
  2.  
  3. perlfaq6 - Regular Expressions ($Revision: 1.20 $, $Date: 2003/01/03 20:05:28 $)
  4.  
  5. =head1 DESCRIPTION
  6.  
  7. This section is surprisingly small because the rest of the FAQ is
  8. littered with answers involving regular expressions.  For example,
  9. decoding a URL and checking whether something is a number are handled
  10. with regular expressions, but those answers are found elsewhere in
  11. this document (in L<perlfaq9>: ``How do I decode or create those %-encodings
  12. on the web'' and L<perlfaq4>: ``How do I determine whether a scalar is
  13. a number/whole/integer/float'', to be precise).
  14.  
  15. =head2 How can I hope to use regular expressions without creating illegible and unmaintainable code?
  16.  
  17. Three techniques can make regular expressions maintainable and
  18. understandable.
  19.  
  20. =over 4
  21.  
  22. =item Comments Outside the Regex
  23.  
  24. Describe what you're doing and how you're doing it, using normal Perl
  25. comments.
  26.  
  27.     # turn the line into the first word, a colon, and the
  28.     # number of characters on the rest of the line
  29.     s/^(\w+)(.*)/ lc($1) . ":" . length($2) /meg;
  30.  
  31. =item Comments Inside the Regex
  32.  
  33. The C</x> modifier causes whitespace to be ignored in a regex pattern
  34. (except in a character class), and also allows you to use normal
  35. comments there, too.  As you can imagine, whitespace and comments help
  36. a lot.
  37.  
  38. C</x> lets you turn this:
  39.  
  40.     s{<(?:[^>'"]*|".*?"|'.*?')+>}{}gs;
  41.  
  42. into this:
  43.  
  44.     s{ <                    # opening angle bracket
  45.         (?:                 # Non-backreffing grouping paren
  46.              [^>'"] *       # 0 or more things that are neither > nor ' nor "
  47.                 |           #    or else
  48.              ".*?"          # a section between double quotes (stingy match)
  49.                 |           #    or else
  50.              '.*?'          # a section between single quotes (stingy match)
  51.         ) +                 #   all occurring one or more times
  52.        >                    # closing angle bracket
  53.     }{}gsx;                 # replace with nothing, i.e. delete
  54.  
  55. It's still not quite so clear as prose, but it is very useful for
  56. describing the meaning of each part of the pattern.
  57.  
  58. =item Different Delimiters
  59.  
  60. While we normally think of patterns as being delimited with C</>
  61. characters, they can be delimited by almost any character.  L<perlre>
  62. describes this.  For example, the C<s///> above uses braces as
  63. delimiters.  Selecting another delimiter can avoid quoting the
  64. delimiter within the pattern:
  65.  
  66.     s/\/usr\/local/\/usr\/share/g;    # bad delimiter choice
  67.     s#/usr/local#/usr/share#g;        # better
  68.  
  69. =back
  70.  
  71. =head2 I'm having trouble matching over more than one line.  What's wrong?
  72.  
  73. Either you don't have more than one line in the string you're looking
  74. at (probably), or else you aren't using the correct modifier(s) on
  75. your pattern (possibly).
  76.  
  77. There are many ways to get multiline data into a string.  If you want
  78. it to happen automatically while reading input, you'll want to set $/
  79. (probably to '' for paragraphs or C<undef> for the whole file) to
  80. allow you to read more than one line at a time.
  81.  
  82. Read L<perlre> to help you decide which of C</s> and C</m> (or both)
  83. you might want to use: C</s> allows dot to include newline, and C</m>
  84. allows caret and dollar to match next to a newline, not just at the
  85. end of the string.  You do need to make sure that you've actually
  86. got a multiline string in there.
  87.  
  88. For example, this program detects duplicate words, even when they span
  89. line breaks (but not paragraph ones).  For this example, we don't need
  90. C</s> because we aren't using dot in a regular expression that we want
  91. to cross line boundaries.  Neither do we need C</m> because we aren't
  92. wanting caret or dollar to match at any point inside the record next
  93. to newlines.  But it's imperative that $/ be set to something other
  94. than the default, or else we won't actually ever have a multiline
  95. record read in.
  96.  
  97.     $/ = '';          # read in more whole paragraph, not just one line
  98.     while ( <> ) {
  99.     while ( /\b([\w'-]+)(\s+\1)+\b/gi ) {      # word starts alpha
  100.         print "Duplicate $1 at paragraph $.\n";
  101.     }
  102.     }
  103.  
  104. Here's code that finds sentences that begin with "From " (which would
  105. be mangled by many mailers):
  106.  
  107.     $/ = '';          # read in more whole paragraph, not just one line
  108.     while ( <> ) {
  109.     while ( /^From /gm ) { # /m makes ^ match next to \n
  110.         print "leading from in paragraph $.\n";
  111.     }
  112.     }
  113.  
  114. Here's code that finds everything between START and END in a paragraph:
  115.  
  116.     undef $/;          # read in whole file, not just one line or paragraph
  117.     while ( <> ) {
  118.     while ( /START(.*?)END/sgm ) { # /s makes . cross line boundaries
  119.         print "$1\n";
  120.     }
  121.     }
  122.  
  123. =head2 How can I pull out lines between two patterns that are themselves on different lines?
  124.  
  125. You can use Perl's somewhat exotic C<..> operator (documented in
  126. L<perlop>):
  127.  
  128.     perl -ne 'print if /START/ .. /END/' file1 file2 ...
  129.  
  130. If you wanted text and not lines, you would use
  131.  
  132.     perl -0777 -ne 'print "$1\n" while /START(.*?)END/gs' file1 file2 ...
  133.  
  134. But if you want nested occurrences of C<START> through C<END>, you'll
  135. run up against the problem described in the question in this section
  136. on matching balanced text.
  137.  
  138. Here's another example of using C<..>:
  139.  
  140.     while (<>) {
  141.         $in_header =   1  .. /^$/;
  142.         $in_body   = /^$/ .. eof();
  143.     # now choose between them
  144.     } continue {
  145.     reset if eof();        # fix $.
  146.     }
  147.  
  148. =head2 I put a regular expression into $/ but it didn't work. What's wrong?
  149.  
  150. Up to Perl 5.8.0, $/ has to be a string.  This may change in 5.10,
  151. but don't get your hopes up. Until then, you can use these examples
  152. if you really need to do this.
  153.  
  154. Use the four argument form of sysread to continually add to
  155. a buffer.  After you add to the buffer, you check if you have a
  156. complete line (using your regular expression).
  157.  
  158.        local $_ = "";
  159.        while( sysread FH, $_, 8192, length ) {
  160.           while( s/^((?s).*?)your_pattern/ ) {
  161.              my $record = $1;
  162.              # do stuff here.
  163.           }
  164.        }
  165.  
  166.  You can do the same thing with foreach and a match using the
  167.  c flag and the \G anchor, if you do not mind your entire file
  168.  being in memory at the end.
  169.  
  170.        local $_ = "";
  171.        while( sysread FH, $_, 8192, length ) {
  172.           foreach my $record ( m/\G((?s).*?)your_pattern/gc ) {
  173.              # do stuff here.
  174.           }
  175.           substr( $_, 0, pos ) = "" if pos;
  176.        }
  177.  
  178.  
  179. =head2 How do I substitute case insensitively on the LHS while preserving case on the RHS?
  180.  
  181. Here's a lovely Perlish solution by Larry Rosler.  It exploits
  182. properties of bitwise xor on ASCII strings.
  183.  
  184.     $_= "this is a TEsT case";
  185.  
  186.     $old = 'test';
  187.     $new = 'success';
  188.  
  189.     s{(\Q$old\E)}
  190.      { uc $new | (uc $1 ^ $1) .
  191.     (uc(substr $1, -1) ^ substr $1, -1) x
  192.         (length($new) - length $1)
  193.      }egi;
  194.  
  195.     print;
  196.  
  197. And here it is as a subroutine, modeled after the above:
  198.  
  199.     sub preserve_case($$) {
  200.     my ($old, $new) = @_;
  201.     my $mask = uc $old ^ $old;
  202.  
  203.     uc $new | $mask .
  204.         substr($mask, -1) x (length($new) - length($old))
  205.     }
  206.  
  207.     $a = "this is a TEsT case";
  208.     $a =~ s/(test)/preserve_case($1, "success")/egi;
  209.     print "$a\n";
  210.  
  211. This prints:
  212.  
  213.     this is a SUcCESS case
  214.  
  215. As an alternative, to keep the case of the replacement word if it is
  216. longer than the original, you can use this code, by Jeff Pinyan:
  217.  
  218.   sub preserve_case {
  219.     my ($from, $to) = @_;
  220.     my ($lf, $lt) = map length, @_;
  221.  
  222.     if ($lt < $lf) { $from = substr $from, 0, $lt }
  223.     else { $from .= substr $to, $lf }
  224.  
  225.     return uc $to | ($from ^ uc $from);
  226.   }
  227.  
  228. This changes the sentence to "this is a SUcCess case."
  229.  
  230. Just to show that C programmers can write C in any programming language,
  231. if you prefer a more C-like solution, the following script makes the
  232. substitution have the same case, letter by letter, as the original.
  233. (It also happens to run about 240% slower than the Perlish solution runs.)
  234. If the substitution has more characters than the string being substituted,
  235. the case of the last character is used for the rest of the substitution.
  236.  
  237.     # Original by Nathan Torkington, massaged by Jeffrey Friedl
  238.     #
  239.     sub preserve_case($$)
  240.     {
  241.         my ($old, $new) = @_;
  242.         my ($state) = 0; # 0 = no change; 1 = lc; 2 = uc
  243.         my ($i, $oldlen, $newlen, $c) = (0, length($old), length($new));
  244.         my ($len) = $oldlen < $newlen ? $oldlen : $newlen;
  245.  
  246.         for ($i = 0; $i < $len; $i++) {
  247.             if ($c = substr($old, $i, 1), $c =~ /[\W\d_]/) {
  248.                 $state = 0;
  249.             } elsif (lc $c eq $c) {
  250.                 substr($new, $i, 1) = lc(substr($new, $i, 1));
  251.                 $state = 1;
  252.             } else {
  253.                 substr($new, $i, 1) = uc(substr($new, $i, 1));
  254.                 $state = 2;
  255.             }
  256.         }
  257.         # finish up with any remaining new (for when new is longer than old)
  258.         if ($newlen > $oldlen) {
  259.             if ($state == 1) {
  260.                 substr($new, $oldlen) = lc(substr($new, $oldlen));
  261.             } elsif ($state == 2) {
  262.                 substr($new, $oldlen) = uc(substr($new, $oldlen));
  263.             }
  264.         }
  265.         return $new;
  266.     }
  267.  
  268. =head2 How can I make C<\w> match national character sets?
  269.  
  270. Put C<use locale;> in your script.  The \w character class is taken
  271. from the current locale.
  272.  
  273. See L<perllocale> for details.
  274.  
  275. =head2 How can I match a locale-smart version of C</[a-zA-Z]/>?
  276.  
  277. You can use the POSIX character class syntax C</[[:alpha:]]/>
  278. documented in L<perlre>.
  279.  
  280. No matter which locale you are in, the alphabetic characters are
  281. the characters in \w without the digits and the underscore.
  282. As a regex, that looks like C</[^\W\d_]/>.  Its complement,
  283. the non-alphabetics, is then everything in \W along with
  284. the digits and the underscore, or C</[\W\d_]/>.
  285.  
  286. =head2 How can I quote a variable to use in a regex?
  287.  
  288. The Perl parser will expand $variable and @variable references in
  289. regular expressions unless the delimiter is a single quote.  Remember,
  290. too, that the right-hand side of a C<s///> substitution is considered
  291. a double-quoted string (see L<perlop> for more details).  Remember
  292. also that any regex special characters will be acted on unless you
  293. precede the substitution with \Q.  Here's an example:
  294.  
  295.     $string = "Placido P. Octopus";
  296.     $regex  = "P.";
  297.  
  298.     $string =~ s/$regex/Polyp/;
  299.     # $string is now "Polypacido P. Octopus"
  300.  
  301. Because C<.> is special in regular expressions, and can match any
  302. single character, the regex C<P.> here has matched the <Pl> in the
  303. original string.
  304.  
  305. To escape the special meaning of C<.>, we use C<\Q>:
  306.  
  307.     $string = "Placido P. Octopus";
  308.     $regex  = "P.";
  309.  
  310.     $string =~ s/\Q$regex/Polyp/;
  311.     # $string is now "Placido Polyp Octopus"
  312.  
  313. The use of C<\Q> causes the <.> in the regex to be treated as a
  314. regular character, so that C<P.> matches a C<P> followed by a dot.
  315.  
  316. =head2 What is C</o> really for?
  317.  
  318. Using a variable in a regular expression match forces a re-evaluation
  319. (and perhaps recompilation) each time the regular expression is
  320. encountered.  The C</o> modifier locks in the regex the first time
  321. it's used.  This always happens in a constant regular expression, and
  322. in fact, the pattern was compiled into the internal format at the same
  323. time your entire program was.
  324.  
  325. Use of C</o> is irrelevant unless variable interpolation is used in
  326. the pattern, and if so, the regex engine will neither know nor care
  327. whether the variables change after the pattern is evaluated the I<very
  328. first> time.
  329.  
  330. C</o> is often used to gain an extra measure of efficiency by not
  331. performing subsequent evaluations when you know it won't matter
  332. (because you know the variables won't change), or more rarely, when
  333. you don't want the regex to notice if they do.
  334.  
  335. For example, here's a "paragrep" program:
  336.  
  337.     $/ = '';  # paragraph mode
  338.     $pat = shift;
  339.     while (<>) {
  340.         print if /$pat/o;
  341.     }
  342.  
  343. =head2 How do I use a regular expression to strip C style comments from a file?
  344.  
  345. While this actually can be done, it's much harder than you'd think.
  346. For example, this one-liner
  347.  
  348.     perl -0777 -pe 's{/\*.*?\*/}{}gs' foo.c
  349.  
  350. will work in many but not all cases.  You see, it's too simple-minded for
  351. certain kinds of C programs, in particular, those with what appear to be
  352. comments in quoted strings.  For that, you'd need something like this,
  353. created by Jeffrey Friedl and later modified by Fred Curtis.
  354.  
  355.     $/ = undef;
  356.     $_ = <>;
  357.     s#/\*[^*]*\*+([^/*][^*]*\*+)*/|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#$2#gs
  358.     print;
  359.  
  360. This could, of course, be more legibly written with the C</x> modifier, adding
  361. whitespace and comments.  Here it is expanded, courtesy of Fred Curtis.
  362.  
  363.     s{
  364.        /\*         ##  Start of /* ... */ comment
  365.        [^*]*\*+    ##  Non-* followed by 1-or-more *'s
  366.        (
  367.          [^/*][^*]*\*+
  368.        )*          ##  0-or-more things which don't start with /
  369.                    ##    but do end with '*'
  370.        /           ##  End of /* ... */ comment
  371.  
  372.      |         ##     OR  various things which aren't comments:
  373.  
  374.        (
  375.          "           ##  Start of " ... " string
  376.          (
  377.            \\.           ##  Escaped char
  378.          |               ##    OR
  379.            [^"\\]        ##  Non "\
  380.          )*
  381.          "           ##  End of " ... " string
  382.  
  383.        |         ##     OR
  384.  
  385.          '           ##  Start of ' ... ' string
  386.          (
  387.            \\.           ##  Escaped char
  388.          |               ##    OR
  389.            [^'\\]        ##  Non '\
  390.          )*
  391.          '           ##  End of ' ... ' string
  392.  
  393.        |         ##     OR
  394.  
  395.          .           ##  Anything other char
  396.          [^/"'\\]*   ##  Chars which doesn't start a comment, string or escape
  397.        )
  398.      }{$2}gxs;
  399.  
  400. A slight modification also removes C++ comments:
  401.  
  402.     s#/\*[^*]*\*+([^/*][^*]*\*+)*/|//[^\n]*|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#$2#gs;
  403.  
  404. =head2 Can I use Perl regular expressions to match balanced text?
  405.  
  406. Historically, Perl regular expressions were not capable of matching
  407. balanced text.  As of more recent versions of perl including 5.6.1
  408. experimental features have been added that make it possible to do this.
  409. Look at the documentation for the (??{ }) construct in recent perlre manual
  410. pages to see an example of matching balanced parentheses.  Be sure to take
  411. special notice of the  warnings present in the manual before making use
  412. of this feature.
  413.  
  414. CPAN contains many modules that can be useful for matching text
  415. depending on the context.  Damian Conway provides some useful
  416. patterns in Regexp::Common.  The module Text::Balanced provides a
  417. general solution to this problem.
  418.  
  419. One of the common applications of balanced text matching is working
  420. with XML and HTML.  There are many modules available that support
  421. these needs.  Two examples are HTML::Parser and XML::Parser. There
  422. are many others.
  423.  
  424. An elaborate subroutine (for 7-bit ASCII only) to pull out balanced
  425. and possibly nested single chars, like C<`> and C<'>, C<{> and C<}>,
  426. or C<(> and C<)> can be found in
  427. http://www.cpan.org/authors/id/TOMC/scripts/pull_quotes.gz .
  428.  
  429. The C::Scan module from CPAN also contains such subs for internal use,
  430. but they are undocumented.
  431.  
  432. =head2 What does it mean that regexes are greedy?  How can I get around it?
  433.  
  434. Most people mean that greedy regexes match as much as they can.
  435. Technically speaking, it's actually the quantifiers (C<?>, C<*>, C<+>,
  436. C<{}>) that are greedy rather than the whole pattern; Perl prefers local
  437. greed and immediate gratification to overall greed.  To get non-greedy
  438. versions of the same quantifiers, use (C<??>, C<*?>, C<+?>, C<{}?>).
  439.  
  440. An example:
  441.  
  442.         $s1 = $s2 = "I am very very cold";
  443.         $s1 =~ s/ve.*y //;      # I am cold
  444.         $s2 =~ s/ve.*?y //;     # I am very cold
  445.  
  446. Notice how the second substitution stopped matching as soon as it
  447. encountered "y ".  The C<*?> quantifier effectively tells the regular
  448. expression engine to find a match as quickly as possible and pass
  449. control on to whatever is next in line, like you would if you were
  450. playing hot potato.
  451.  
  452. =head2 How do I process each word on each line?
  453.  
  454. Use the split function:
  455.  
  456.     while (<>) {
  457.     foreach $word ( split ) {
  458.         # do something with $word here
  459.     }
  460.     }
  461.  
  462. Note that this isn't really a word in the English sense; it's just
  463. chunks of consecutive non-whitespace characters.
  464.  
  465. To work with only alphanumeric sequences (including underscores), you
  466. might consider
  467.  
  468.     while (<>) {
  469.     foreach $word (m/(\w+)/g) {
  470.         # do something with $word here
  471.     }
  472.     }
  473.  
  474. =head2 How can I print out a word-frequency or line-frequency summary?
  475.  
  476. To do this, you have to parse out each word in the input stream.  We'll
  477. pretend that by word you mean chunk of alphabetics, hyphens, or
  478. apostrophes, rather than the non-whitespace chunk idea of a word given
  479. in the previous question:
  480.  
  481.     while (<>) {
  482.     while ( /(\b[^\W_\d][\w'-]+\b)/g ) {   # misses "`sheep'"
  483.         $seen{$1}++;
  484.     }
  485.     }
  486.     while ( ($word, $count) = each %seen ) {
  487.     print "$count $word\n";
  488.     }
  489.  
  490. If you wanted to do the same thing for lines, you wouldn't need a
  491. regular expression:
  492.  
  493.     while (<>) {
  494.     $seen{$_}++;
  495.     }
  496.     while ( ($line, $count) = each %seen ) {
  497.     print "$count $line";
  498.     }
  499.  
  500. If you want these output in a sorted order, see L<perlfaq4>: ``How do I
  501. sort a hash (optionally by value instead of key)?''.
  502.  
  503. =head2 How can I do approximate matching?
  504.  
  505. See the module String::Approx available from CPAN.
  506.  
  507. =head2 How do I efficiently match many regular expressions at once?
  508.  
  509. The following is extremely inefficient:
  510.  
  511.     # slow but obvious way
  512.     @popstates = qw(CO ON MI WI MN);
  513.     while (defined($line = <>)) {
  514.     for $state (@popstates) {
  515.         if ($line =~ /\b$state\b/i) {
  516.         print $line;
  517.         last;
  518.         }
  519.     }
  520.     }
  521.  
  522. That's because Perl has to recompile all those patterns for each of
  523. the lines of the file.  As of the 5.005 release, there's a much better
  524. approach, one which makes use of the new C<qr//> operator:
  525.  
  526.     # use spiffy new qr// operator, with /i flag even
  527.     use 5.005;
  528.     @popstates = qw(CO ON MI WI MN);
  529.     @poppats   = map { qr/\b$_\b/i } @popstates;
  530.     while (defined($line = <>)) {
  531.     for $patobj (@poppats) {
  532.         print $line if $line =~ /$patobj/;
  533.     }
  534.     }
  535.  
  536. =head2 Why don't word-boundary searches with C<\b> work for me?
  537.  
  538. Two common misconceptions are that C<\b> is a synonym for C<\s+> and
  539. that it's the edge between whitespace characters and non-whitespace
  540. characters.  Neither is correct.  C<\b> is the place between a C<\w>
  541. character and a C<\W> character (that is, C<\b> is the edge of a
  542. "word").  It's a zero-width assertion, just like C<^>, C<$>, and all
  543. the other anchors, so it doesn't consume any characters.  L<perlre>
  544. describes the behavior of all the regex metacharacters.
  545.  
  546. Here are examples of the incorrect application of C<\b>, with fixes:
  547.  
  548.     "two words" =~ /(\w+)\b(\w+)/;        # WRONG
  549.     "two words" =~ /(\w+)\s+(\w+)/;        # right
  550.  
  551.     " =matchless= text" =~ /\b=(\w+)=\b/;   # WRONG
  552.     " =matchless= text" =~ /=(\w+)=/;       # right
  553.  
  554. Although they may not do what you thought they did, C<\b> and C<\B>
  555. can still be quite useful.  For an example of the correct use of
  556. C<\b>, see the example of matching duplicate words over multiple
  557. lines.
  558.  
  559. An example of using C<\B> is the pattern C<\Bis\B>.  This will find
  560. occurrences of "is" on the insides of words only, as in "thistle", but
  561. not "this" or "island".
  562.  
  563. =head2 Why does using $&, $`, or $' slow my program down?
  564.  
  565. Once Perl sees that you need one of these variables anywhere in
  566. the program, it provides them on each and every pattern match.
  567. The same mechanism that handles these provides for the use of $1, $2,
  568. etc., so you pay the same price for each regex that contains capturing
  569. parentheses.  If you never use $&, etc., in your script, then regexes
  570. I<without> capturing parentheses won't be penalized. So avoid $&, $',
  571. and $` if you can, but if you can't, once you've used them at all, use
  572. them at will because you've already paid the price.  Remember that some
  573. algorithms really appreciate them.  As of the 5.005 release.  the $&
  574. variable is no longer "expensive" the way the other two are.
  575.  
  576. =head2 What good is C<\G> in a regular expression?
  577.  
  578. You use the C<\G> anchor to start the next match on the same
  579. string where the last match left off.  The regular
  580. expression engine cannot skip over any characters to find
  581. the next match with this anchor, so C<\G> is similar to the
  582. beginning of string anchor, C<^>.  The C<\G> anchor is typically
  583. used with the C<g> flag.  It uses the value of pos()
  584. as the position to start the next match.  As the match
  585. operator makes successive matches, it updates pos() with the
  586. position of the next character past the last match (or the
  587. first character of the next match, depending on how you like
  588. to look at it). Each string has its own pos() value.
  589.  
  590. Suppose you want to match all of consective pairs of digits
  591. in a string like "1122a44" and stop matching when you
  592. encounter non-digits.  You want to match C<11> and C<22> but
  593. the letter <a> shows up between C<22> and C<44> and you want
  594. to stop at C<a>. Simply matching pairs of digits skips over
  595. the C<a> and still matches C<44>.
  596.  
  597.     $_ = "1122a44";
  598.     my @pairs = m/(\d\d)/g;   # qw( 11 22 44 )
  599.  
  600. If you use the \G anchor, you force the match after C<22> to
  601. start with the C<a>.  The regular expression cannot match
  602. there since it does not find a digit, so the next match
  603. fails and the match operator returns the pairs it already
  604. found.
  605.  
  606.     $_ = "1122a44";
  607.     my @pairs = m/\G(\d\d)/g; # qw( 11 22 )
  608.  
  609. You can also use the C<\G> anchor in scalar context. You
  610. still need the C<g> flag.
  611.  
  612.     $_ = "1122a44";
  613.     while( m/\G(\d\d)/g )
  614.         {
  615.         print "Found $1\n";
  616.         }
  617.  
  618. After the match fails at the letter C<a>, perl resets pos()
  619. and the next match on the same string starts at the beginning.
  620.  
  621.     $_ = "1122a44";
  622.     while( m/\G(\d\d)/g )
  623.         {
  624.         print "Found $1\n";
  625.         }
  626.  
  627.     print "Found $1 after while" if m/(\d\d)/g; # finds "11"
  628.  
  629. You can disable pos() resets on fail with the C<c> flag.
  630. Subsequent matches start where the last successful match
  631. ended (the value of pos()) even if a match on the same
  632. string as failed in the meantime. In this case, the match
  633. after the while() loop starts at the C<a> (where the last
  634. match stopped), and since it does not use any anchor it can
  635. skip over the C<a> to find "44".
  636.  
  637.     $_ = "1122a44";
  638.     while( m/\G(\d\d)/gc )
  639.         {
  640.         print "Found $1\n";
  641.         }
  642.  
  643.     print "Found $1 after while" if m/(\d\d)/g; # finds "44"
  644.  
  645. Typically you use the C<\G> anchor with the C<c> flag
  646. when you want to try a different match if one fails,
  647. such as in a tokenizer. Jeffrey Friedl offers this example
  648. which works in 5.004 or later.
  649.  
  650.     while (<>) {
  651.       chomp;
  652.       PARSER: {
  653.            m/ \G( \d+\b    )/gcx   && do { print "number: $1\n";  redo; };
  654.            m/ \G( \w+      )/gcx   && do { print "word:   $1\n";  redo; };
  655.            m/ \G( \s+      )/gcx   && do { print "space:  $1\n";  redo; };
  656.            m/ \G( [^\w\d]+ )/gcx   && do { print "other:  $1\n";  redo; };
  657.       }
  658.     }
  659.  
  660. For each line, the PARSER loop first tries to match a series
  661. of digits followed by a word boundary.  This match has to
  662. start at the place the last match left off (or the beginning
  663. of the string on the first match). Since C<m/ \G( \d+\b
  664. )/gcx> uses the C<c> flag, if the string does not match that
  665. regular expression, perl does not reset pos() and the next
  666. match starts at the same position to try a different
  667. pattern.
  668.  
  669. =head2 Are Perl regexes DFAs or NFAs?  Are they POSIX compliant?
  670.  
  671. While it's true that Perl's regular expressions resemble the DFAs
  672. (deterministic finite automata) of the egrep(1) program, they are in
  673. fact implemented as NFAs (non-deterministic finite automata) to allow
  674. backtracking and backreferencing.  And they aren't POSIX-style either,
  675. because those guarantee worst-case behavior for all cases.  (It seems
  676. that some people prefer guarantees of consistency, even when what's
  677. guaranteed is slowness.)  See the book "Mastering Regular Expressions"
  678. (from O'Reilly) by Jeffrey Friedl for all the details you could ever
  679. hope to know on these matters (a full citation appears in
  680. L<perlfaq2>).
  681.  
  682. =head2 What's wrong with using grep in a void context?
  683.  
  684. The problem is that grep builds a return list, regardless of the context.
  685. This means you're making Perl go to the trouble of building a list that
  686. you then just throw away. If the list is large, you waste both time and space.
  687. If your intent is to iterate over the list, then use a for loop for this
  688. purpose.
  689.  
  690. In perls older than 5.8.1, map suffers from this problem as well.
  691. But since 5.8.1, this has been fixed, and map is context aware - in void
  692. context, no lists are constructed.
  693.  
  694. =head2 How can I match strings with multibyte characters?
  695.  
  696. Starting from Perl 5.6 Perl has had some level of multibyte character
  697. support.  Perl 5.8 or later is recommended.  Supported multibyte
  698. character repertoires include Unicode, and legacy encodings
  699. through the Encode module.  See L<perluniintro>, L<perlunicode>,
  700. and L<Encode>.
  701.  
  702. If you are stuck with older Perls, you can do Unicode with the
  703. C<Unicode::String> module, and character conversions using the
  704. C<Unicode::Map8> and C<Unicode::Map> modules.  If you are using
  705. Japanese encodings, you might try using the jperl 5.005_03.
  706.  
  707. Finally, the following set of approaches was offered by Jeffrey
  708. Friedl, whose article in issue #5 of The Perl Journal talks about
  709. this very matter.
  710.  
  711. Let's suppose you have some weird Martian encoding where pairs of
  712. ASCII uppercase letters encode single Martian letters (i.e. the two
  713. bytes "CV" make a single Martian letter, as do the two bytes "SG",
  714. "VS", "XX", etc.). Other bytes represent single characters, just like
  715. ASCII.
  716.  
  717. So, the string of Martian "I am CVSGXX!" uses 12 bytes to encode the
  718. nine characters 'I', ' ', 'a', 'm', ' ', 'CV', 'SG', 'XX', '!'.
  719.  
  720. Now, say you want to search for the single character C</GX/>. Perl
  721. doesn't know about Martian, so it'll find the two bytes "GX" in the "I
  722. am CVSGXX!"  string, even though that character isn't there: it just
  723. looks like it is because "SG" is next to "XX", but there's no real
  724. "GX".  This is a big problem.
  725.  
  726. Here are a few ways, all painful, to deal with it:
  727.  
  728.    $martian =~ s/([A-Z][A-Z])/ $1 /g; # Make sure adjacent ``martian''
  729.                                       # bytes are no longer adjacent.
  730.    print "found GX!\n" if $martian =~ /GX/;
  731.  
  732. Or like this:
  733.  
  734.    @chars = $martian =~ m/([A-Z][A-Z]|[^A-Z])/g;
  735.    # above is conceptually similar to:     @chars = $text =~ m/(.)/g;
  736.    #
  737.    foreach $char (@chars) {
  738.        print "found GX!\n", last if $char eq 'GX';
  739.    }
  740.  
  741. Or like this:
  742.  
  743.    while ($martian =~ m/\G([A-Z][A-Z]|.)/gs) {  # \G probably unneeded
  744.        print "found GX!\n", last if $1 eq 'GX';
  745.    }
  746.  
  747. Here's another, slightly less painful, way to do it from Benjamin
  748. Goldberg:
  749.  
  750.     $martian =~ m/
  751.        (?!<[A-Z])
  752.        (?:[A-Z][A-Z])*?
  753.        GX
  754.     /x;
  755.  
  756. This succeeds if the "martian" character GX is in the string, and fails
  757. otherwise.  If you don't like using (?!<), you can replace (?!<[A-Z])
  758. with (?:^|[^A-Z]).
  759.  
  760. It does have the drawback of putting the wrong thing in $-[0] and $+[0],
  761. but this usually can be worked around.
  762.  
  763. =head2 How do I match a pattern that is supplied by the user?
  764.  
  765. Well, if it's really a pattern, then just use
  766.  
  767.     chomp($pattern = <STDIN>);
  768.     if ($line =~ /$pattern/) { }
  769.  
  770. Alternatively, since you have no guarantee that your user entered
  771. a valid regular expression, trap the exception this way:
  772.  
  773.     if (eval { $line =~ /$pattern/ }) { }
  774.  
  775. If all you really want to search for a string, not a pattern,
  776. then you should either use the index() function, which is made for
  777. string searching, or if you can't be disabused of using a pattern
  778. match on a non-pattern, then be sure to use C<\Q>...C<\E>, documented
  779. in L<perlre>.
  780.  
  781.     $pattern = <STDIN>;
  782.  
  783.     open (FILE, $input) or die "Couldn't open input $input: $!; aborting";
  784.     while (<FILE>) {
  785.     print if /\Q$pattern\E/;
  786.     }
  787.     close FILE;
  788.  
  789. =head1 AUTHOR AND COPYRIGHT
  790.  
  791. Copyright (c) 1997-2002 Tom Christiansen and Nathan Torkington.
  792. All rights reserved.
  793.  
  794. This documentation is free; you can redistribute it and/or modify it
  795. under the same terms as Perl itself.
  796.  
  797. Irrespective of its distribution, all code examples in this file
  798. are hereby placed into the public domain.  You are permitted and
  799. encouraged to use this code in your own programs for fun
  800. or for profit as you see fit.  A simple comment in the code giving
  801. credit would be courteous but is not required.
  802.