cvs: phpdoc-fr /reference/pcre pattern.modifiers.xml pattern.syntax.xml reference.xml /reference/pcre/functions pcre.pattern.modifiers.xml
pcre.pattern.syntax.xml
| From: | Mehdi Achour | Date: | Thu, 11 Mar 2004 13:27:08 +0000 |
| Subject: | cvs: phpdoc-fr /reference/pcre pattern.modifiers.xml pattern.syntax.xml reference.xml /reference/pcre/functions pcre.pattern.modifiers.xml pcre.pattern.syntax.xml |
||
| Groups: | php.doc.fr | ||
| Request: | Send a blank email to doc-fr+get-2031@lists.php.net to get a copy of this message | ||
didou Thu Mar 11 08:27:08 2004 EDT
Added files:
/phpdoc-fr/reference/pcre pattern.modifiers.xml pattern.syntax.xml
Removed files:
/phpdoc-fr/reference/pcre/functions pcre.pattern.modifiers.xml
pcre.pattern.syntax.xml
Modified files:
/phpdoc-fr/reference/pcre reference.xml
Log:
moved functions/pcre.pattern.*.xml to pattern.*.xml
http://cvs.php.net/diff.php/phpdoc-fr/reference/pcre/reference.xml?r1=1.5&r2=1.6&ty=u Index: phpdoc-fr/reference/pcre/reference.xml diff -u phpdoc-fr/reference/pcre/reference.xml:1.5 phpdoc-fr/reference/pcre/reference.xml:1.6 --- phpdoc-fr/reference/pcre/reference.xml:1.5 Wed Feb 25 07:39:28 2004 +++ phpdoc-fr/reference/pcre/reference.xml Thu Mar 11 08:27:07 2004 @@ -1,5 +1,5 @@ <?xml version="1.0" encoding="iso-8859-1"?> -<!-- $Revision: 1.5 $ --> +<!-- $Revision: 1.6 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <reference id="ref.pcre"> <title>Expressions régulières compatibles Perl</title> @@ -103,6 +103,8 @@ </section> </partintro> +&reference.pcre.pattern.modifiers; +&reference.pcre.pattern.syntax; &reference.pcre.functions; </reference> http://cvs.php.net/co.php/phpdoc-fr/reference/pcre/pattern.modifiers.xml?r=1.1&p=1 Index: phpdoc-fr/reference/pcre/pattern.modifiers.xml +++ phpdoc-fr/reference/pcre/pattern.modifiers.xml <?xml version="1.0" encoding="iso-8859-1"?> <!-- $Revision: 1.1 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <refentry id="pcre.pattern.modifiers"> <refnamediv> <refname>options de recherche</refname> <refpurpose> Options disponibles pour les expressions régulières. </refpurpose> </refnamediv> <refsect1> <title>Description</title> <para> Les options de PCRE sont listées ci-dessous. Les noms entre parenthèses sont les noms internes à PCRE. </para> <para> <blockquote> <variablelist> <varlistentry> <term><emphasis>i</emphasis> (PCRE_CASELESS)</term> <listitem> <simpara> Effectue une recherche insensible à la casse. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>m</emphasis> (PCRE_MULTILINE)</term> <listitem> <simpara> Par défaut, PCRE traite la chaîne sujet comme une seule ligne (même si cette chaîne contient des retours chariot). Le méta-caractère "début de ligne" (^) ne sera valable qu'une seule fois, au début de la ligne, et le méta caractère "fin de ligne " ($) ne sera valable qu'à la fin de la chaîne, ou avant le retour chariot final (à moins que l'option D ne soit activée). C'est le même fonctionnement qu'en Perl. </simpara> <simpara> Lorsque cette option est activée, " début de ligne " et " fin de ligne " correspondront alors aux caractères suivant et précédent immédiatement un caractère de nouvelle ligne, en plus du début et de la fin de la chaîne. C'est le même fonctionnement que l'option Perl /m. S'il n'y a pas de caractère de nouvelle ligne "\n" dans la chaîne sujet, ou s'il n'y a aucune occurrence de ^ ou $ dans le masque, cette option ne sert à rien. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>s</emphasis> (PCRE_DOTALL)</term> <listitem> <simpara> Avec cette option, le méta caractère point (.) remplace n'importe quel caractère, y compris les nouvelles lignes. Sans cette option, le caractère point ne remplace pas les nouvelles lignes. Cette option est équivalente à l'option Perl /s. Une classe de caractères négative telle que [^a] acceptera toujours les caractères de nouvelles lignes, indépendamment de cette option. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>x</emphasis> (PCRE_EXTENDED)</term> <listitem> <simpara> Avec cette option, les caractères d'espacement sont ignorés, sauf lorsqu'ils sont échappés, ou à l'intérieur d'une classe de caractères, et tous les caractères entre # non échappés et en dehors d'une classe de caractères, et le prochain caractère de nouvelle ligne sont ignorés. C'est l'équivalent Perl de l'option /x : elle permet l'ajout de commentaires dans les masques compliqués. Notez bien, cependant, que cela ne s'appliquent qu'aux caractères de données. Les caractères d'espacement ne doivent jamais apparaître dans les séquences spéciales d'un masque, comme par exemple dans la séquence (?( qui introduit une parenthèse conditionnelle. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>E</emphasis></term> <listitem> <simpara> Avec cette option, <function>preg_replace</function> effectue la substitution normale des références arrières dans la chaîne de remplacement, puis l'évalue comme un code PHP, et utilise le résultat pour remplacer la chaîne de recherche. </simpara> <simpara> Seule <function>preg_replace</function> utilise cette option. Elle est ignorée par les autres. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>A</emphasis> (PCRE_ANCHORED)</term> <listitem> <simpara> Avec cette option, le masque est ancré de force, c'est-à-dire que le masque doit s'appliquer juste au début de la chaîne sujet pour être considéré comme trouvé. Il est possible de réaliser le même effet en ajoutant les méta-caractères adéquats, ce qui est la seule manière de le faire en Perl. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>E</emphasis> (PCRE_DOLLAR_ENDONLY)</term> <listitem> <simpara> Avec cette option, le méta-caractère $ ne sera valable qu'à la fin de la chaîne sujet. Sans cette option, $ est aussi valable avant une nouvelle ligne, si cette dernière est le dernier caractère de la chaîne. Cette option est ignorée si l'option <emphasis>m</emphasis> est activée. Il n'y a pas d'équivalent en Perl. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>S</emphasis></term> <listitem> <simpara> Lorsqu'un masque est utilisé plusieurs fois, cela vaut la peine de passer quelques instants de plus pour l'analyser et optimiser le code pour accélérer les traitements ultérieurs. Cette option force cette analyse plus poussée. Actuellement, cette analyse n'est utile que pour les masques non ancrés, qui ne commencent pas par un caractère fixe. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>U</emphasis> (PCRE_UNGREEDY)</term> <listitem> <simpara> Cette option inverse la tendance à la gourmandise des expressions régulières. Vous pouvez aussi inverser cette tendance au coup par coup avec un ?. De même, si cette option est activée, le <literal>?</literal> rendra gourmand une séquence. Cette option n'est pas compatible avec Perl. Elle peut aussi être mise dans le masque avec l'option <literal>?U</literal>. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>X</emphasis> (PCRE_EXTRA)</term> <listitem> <simpara> Cette option ajoute d'autres fonctionnalités incompatible avec le PCRE de Perl. Tous les antislash suivis d'une lettre qui n'aurait pas de signification particulière cause une erreur, permettant la réservation de ces combinaisons pour des ajouts fonctionnels ultérieurs. Par défaut, comme en Perl, les antislash suivis d'une lettre sans signification particulière sont traités comme des valeurs littérales. Actuellement, cette option ne déclenche pas d'autres fonctions. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>u</emphasis> (PCRE_UTF8)</term> <listitem> <simpara> Cette option désactive les fonctionnalités additionnelles de PCRE qui ne sont pas compatibles avec Perl. Les chaînes sont traitées comme des chaînes UTF-8. Cette option est disponible en PHP 4.1.0 et plus récent. </simpara> </listitem> </varlistentry> </variablelist> </blockquote> </para> </refsect1> </refentry> <!-- Keep this comment at the end of the file Local variables: mode: sgml sgml-omittag:t sgml-shorttag:t sgml-minimize-attributes:nil sgml-always-quote-attributes:t sgml-indent-step:1 sgml-indent-data:t indent-tabs-mode:nil sgml-parent-document:nil sgml-default-dtd-file:"../../../../manual.ced" sgml-exposed-tags:nil sgml-local-catalogs:nil sgml-local-ecat-files:nil End: vim600: syn=xml fen fdm=syntax fdl=2 si vim: et tw=78 syn=sgml vi: ts=1 sw=1 --> http://cvs.php.net/co.php/phpdoc-fr/reference/pcre/pattern.syntax.xml?r=1.1&p=1 Index: phpdoc-fr/reference/pcre/pattern.syntax.xml +++ phpdoc-fr/reference/pcre/pattern.syntax.xml <?xml version="1.0" encoding="iso-8859-1"?> <!-- $Revision: 1.1 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <refentry id="pcre.pattern.syntax"> <refnamediv> <refname>syntaxe des masques</refname> <refpurpose> Fonctionnement des expressions régulières. </refpurpose> </refnamediv> <refsect1> <title>Description</title> <para> La bibliothèque PCRE est un ensemble de fonctions qui implémentent la recherche par expressions régulières, en utilisant la même syntaxe et la même sémantique que le Perl 5, avec quelques nuances (voir ci-dessous). L'implémentation actuelle est celle de Perl 5.005. </para> </refsect1> <refsect1> <title>Différences avec Perl</title> <para> Les différences avec le Perl 5.005 sont présentée ici : <orderedlist> <listitem> <simpara> Par défaut, un caractère d'espacement correspond à n'importe quel caractère que la fonction C isspace() reconnaît, bien qu'il soit possible de recompiler la bibliothèque PCRE avec d'autres tables de caractères. Normalement, isspace() retourne &true; pour les espaces, les retours chariot, les nouvelles lignes, les formfeed, les tabulations verticales et horizontales. Le Perl 5 n'accepte plus la tabulation verticale comme caractère d'espacement. La séquence \v qui était dans la documentation Perl depuis longtemps n'a jamais été reconnue. Cependant, la tabulation verticale elle-même était reconnue comme un caractère d'espacement jusqu'à la version 5.002. Avec les version 5.004 et 5.005, l'option \s l'ignore. </simpara> </listitem> <listitem> <simpara> PRCE ne tolère pas la répétition de quantificateurs dans les expressions. Perl le permet, mais cela ne signifie pas ce que vous pourriez penser. Par exemple, (?!a){3} ne s'interprète pas : les trois caractères suivants ne sont pas des "a". En fait, cela s'interprète comme : le caractère suivant n'est pas "a" trois fois. </simpara> </listitem> <listitem> <simpara> Les occurrences de sous-masques qui interviennent dans des assertions négatives sont comptées, mais elles ne sont pas enregistrées dans le vecteur d'occurrences. Perl modifie ses variables numériques pour toutes les occurrences de sous-masque, avant que l'assertion ne vérifie le masque entier, et uniquement si les sous-masques ne trouvent qu'une seule occurrence. </simpara> </listitem> <listitem> <simpara> Bien que les caractères nul soient tolérés dans la chaîne de recherche, ils ne sont pas acceptés dans le masque, car le masque est utilisé comme une chaîne C standard, terminée par le caractère nul. Il faut donc utiliser la séquence d'échappement "\0" dans le masque pour rechercher les caractères nul. </simpara> </listitem> <listitem> <simpara> Les séquence d'échappement suivantes ne sont pas supportées par le Perl: \l, \u, \L, \U, \E, \Q. En fait, elles sont implémentées par la gestion intrinsèque de chaînes du Perl, et ne font pas partie de ses caractères spéciaux. </simpara> </listitem> <listitem> <simpara> L'assertion \G du Perl n'est pas supportée car elle n'est pas pertinente pour faire des recherches avec des masques uniques. </simpara> </listitem> <listitem> <simpara> De manière assez évidente, PCRE n'accepte pas la construction <literal>(?{code})</literal>. </simpara> </listitem> <listitem> <simpara> Au moment de l'écriture de PCRE, Perl 5.005_02 avait quelques comportements étranges avec la capture des chaînes lorsqu'une partie du masque est redoublée. Par exemple, "aba" avec le masque /^(a(b)?)+$/ va affecter à $2 la valeur "b", mais la même manipulation avec "aabbaa" et /^(aa(bb)?)+$/ laissera $2 vide. Cependant, si le masque est remplacé par /^(aa(b(b))?)+$/ alors $2 (et d'ailleurs $3) seront correctement affectés. Avec le Perl 5.004, $2 sera correctement affecté dans les deux cas, et c'est aussi vrai avec PCRE. Si Perl évolue vers un autre comportement cohérent, PCRE s'adaptera probablement. </simpara> </listitem> <listitem> <simpara> Une autre différence encore non résolue est le fait qu'en Perl 5.005_02 le masque /^(a)?(?(1)a|b)+$/ accepte la chaîne "a", tandis que PCRE ne l'accepte pas. Cependant, que ce soit avec Perl ou PCRE /^(a)?a/ et "a" laisseront $1 vide. </simpara> </listitem> <listitem> <para> PCRE propose quelques extensions aux expressions régulières du Perl. <orderedlist> <listitem> <simpara> (a) Bien que les assertions avec retour (lookbehind) soit obligée d'apparier une chaîne de longueur fixe, toutes les assertions avec retour peuvent avoir une longueur différente. Perl 5.005 leur impose d'avoir toutes la même longueur. </simpara> </listitem> <listitem> <simpara> (b) Si <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> est activé, et que <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> n'est pas activé, le méta caractère <literal>$</literal> ne s'applique qu'à la fin physique de la chaîne, et non pas avant les caractères de nouvelle ligne. </simpara> </listitem> <listitem> <simpara> (c) Si <link linkend="pcre.pattern.modifiers">PCRE_EXTRA</link> est activé, un antislash suivi d'une lettre sans signification spéciale est considérée comme une erreur. </simpara> </listitem> <listitem> <simpara> (d) SI <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> est activé, la "gourmandise" des quantificateurs de répétition est inversées, ce qui est rend non gourmand par défaut, mais s'ils sont suivis de ?, il seront gourmands. </simpara> </listitem> </orderedlist> </para> </listitem> </orderedlist> </para> </refsect1> <refsect1 id="regexp.reference"> <title>Détails sur les expressions régulières</title> <refsect2 id="regexp.introduction"> <title>Introduction</title> <simpara> La syntaxe et la sémantique des expressions régulière supportées par PCRE sont décrites ci-dessous. Les expressions régulières sont aussi décrites dans la documentation Perl, et dans un grand nombre d'autres livres, avec de nombreux exemples. Jeffrey Friedl's "Mastering Regular Expressions", édité chez O'Reilly (ISBN 1-56592-257-3), les décrits en profondeur. Cette description est organisée comme une documentation de référence. </simpara> <simpara> Une expression régulière est un masque, appliqué à une chaîne sujet, de gauche à droite. La plupart des caractères se représentent eux-mêmes. Un exemple trivial : un masque qui serait "<literal>Le rapide renard gris</literal>", pourra correspondre à une partie de la chaîne sujet qui sera identique au masque, comme par exemple "<literal>Le rapide renard gris court dans la forêt</literal>", </simpara> </refsect2> <refsect2 id="regexp.reference.meta"> <title>Méta-caractères</title> <para> La puissance des expressions régulières provient de leur capacité à autoriser des alternatives et des quantificateurs de répétition dans le masque. Ils sont encodés dans le masque par des méta-caractères, qui ne représentent pas ce qu'ils sont, mais sont interprétés d'une certaine manière. </para> <para> Il y a deux sortes de méta-caractères : ceux qui sont reconnus n'importe où dans un masque, hormis entre crochets, et ceux qui sont reconnus entre crochets. </para> <para> A l'extérieur des crochets, les méta caractères sont : <variablelist> <varlistentry> <term><emphasis>\</emphasis> antislash</term> <listitem> <simpara> Caractère d'échappement, avec de multiples usages </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>^</emphasis> Accent circonflexe</term> <listitem> <simpara> Le début de la chaîne sujet (ou de ligne, en mode multiligne) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>$</emphasis> Dollar</term> <listitem> <simpara> La fin de la chaîne sujet (ou de ligne, en mode multiligne) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>.</emphasis> Point</term> <listitem> <simpara> Remplace n'importe quel caractère, hormis le caractère de nouvelle ligne (par défaut) ; </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>[</emphasis> Crochet ouvrant</term> <listitem> <simpara> Caractère de début de définition de classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>]</emphasis> Crochet fermant</term> <listitem> <simpara> Caractère de fin de définition de classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>|</emphasis> Barre verticale</term> <listitem> <simpara> Caractère de début d'alternative </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>(</emphasis> Parenthèse ouvrante</term> <listitem> <simpara> Caractère de début de sous-masque </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>)</emphasis> Parenthèse fermante</term> <listitem> <simpara> Caractère de fin de sous-masque </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>?</emphasis> Point d'interrogation</term> <listitem> <simpara> Etend le sens de (; quantificateur de 0 ou 1; quantificateur de minimisation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>*</emphasis> Etoile</term> <listitem> <simpara> Quantificateur de 0 ou plus </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>+</emphasis> Plus</term> <listitem> <simpara> Quantificateur de 1 ou plus </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>{</emphasis> Accolade ouvrante</term> <listitem> <simpara> Caractère de début de quantificateur minimum/maximum </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>}</emphasis> Accolade fermante</term> <listitem> <simpara> Caractère de fin de quantificateur minimum/maximum </simpara> </listitem> </varlistentry> </variablelist> </para> <para> La partie du masque qui est entourée de crochet et appelé une classe de caractères. Dans les classes de caractères, les seuls méta caractères autorisés sont : <variablelist> <varlistentry> <term><emphasis>\</emphasis> Antislash</term> <listitem> <simpara> Caractère d'échappement, avec de multiples usages </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>^</emphasis> Accent circonflexe</term> <listitem> <simpara> Négation de la classe, mais uniquement si placé tout au début de la classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>-</emphasis> Moins</term> <listitem> <simpara> Indique un intervalle de caractères </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>]</emphasis> Crochet fermant</term> <listitem> <simpara> Termine la classe de caractères </simpara> </listitem> </varlistentry> </variablelist> La section suivante décrit l'utilisation de chaque méta-caractères. </para> </refsect2> <refsect2 id="regexp.reference.backslash"> <title>Antislash</title> <para> Le caractère antislash a de nombreuses utilisations. </para> <para> En premier lieu, s'il est suivi d'un caractère non alpha-numérique, il ne prendra pas la signification spéciale qui y est rattachée. Cette utilisation de l'antislash comme caractère d'échappement s'applique à l'intérieur et à l'extérieur des classes de caractères. Par exemple, pour recherche le caractère étoile "<literal>*</literal>", il faut écrire dans le masque : "<literal>\*</literal>". Cela s'applique dans tous les cas, que le caractère qui suive soit un méta-caractère ou non. C'est un moyen sûr pour s'assurer qu'un caractère sera recherché pour sa valeur littérale, plutôt que pour sa valeur spéciale. En particulier, pour rechercher les antislash, il faut écrire : "<literal>\\</literal>". </para> <para> Si un masque est utilisé avec l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link>, les espaces blancs du masque, mais qui ne sont pas dans une classe de caractères, et les caractères entre dièses "<literal>#</literal>", ainsi que les nouvelles lignes sont ignorées. L'antislash peut être utilisé pour échapper et ainsi rechercher un espace ou un dièse. </para> <para> La deuxième utilité de l'antislash est de pouvoir coder des caractères invisibles dans les masques. Il n'y a pas de restriction sur la place de ces caractères invisibles, hormis pour le caractère nul qui doit terminer le masque. </para> <para> Lors de la préparation du masque, il est souvent plus pratique d'utiliser les séquences d'échappement suivantes, plutôt que le caractère binaire qu'elle représente : <variablelist> <varlistentry> <term><emphasis>\a</emphasis></term> <listitem> <simpara> alarme, c'est-à-dire le caractère BEL (hex 07) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\cx</emphasis></term> <listitem> <simpara> "control-x", avec x qui peut être n'importe quel caractère. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\e</emphasis></term> <listitem> <simpara> escape (hex 1B) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\f</emphasis></term> <listitem> <simpara> formfeed (hex 0C) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\n</emphasis></term> <listitem> <simpara> nouvelle ligne (hex 0A) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\r</emphasis></term> <listitem> <simpara> retour chariot (hex 0D) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\t</emphasis></term> <listitem> <simpara> tabulation (hex 09) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\xhh</emphasis></term> <listitem> <simpara> caractère en hexadécimal, de code hh </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\ddd</emphasis></term> <listitem> <simpara> caractère en octal, de code ddd, ou référence arrière </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Dans la séquence "<literal>\cx</literal>" si "<literal>x</literal>" est en minuscule, il est converti en majuscule. Puis, le bit 6 (hex 40) est inversé. Ainsi "<literal>\cz</literal>" devient <literal>1A</literal>, mais "<literal>\c{</literal>" devient hex 3B, tandis que "<literal>\c;</literal>" devient hex 7B. </para> <para> Après "<literal>\x</literal>", deux caractères hexadécimaeux sont lus (les lettres peuvent être en majuscule ou minuscule). </para> <para> Après "<literal>\0</literal>", deux caractères octal sont lus. Dans chacun des cas, le méta-caractère tente de lire autant de caractère que possible. Ainsi la séquence "<literal>\0\x\07</literal>", sera comprise comme deux caractères nuls, suivi d'un caractère alarme (BEL). Assurez-vous que vous fournissez suffisamment de chiffres après le méta-caractère. </para> <para> La gestion de la séquence "<literal>\y</literal>", avec y <> 0 est plutôt compliquée. En dehors des caractères de classes, PCRE va lire y et tous les caractères qui suivent comme des chiffres décimaux. Si y est plus petit que 10, ou bien s'il y a déjà eu au moins autant de parenthèses ouvrantes auparavant, la séquence est prise pour une référence arrière. Le détail sera vu ultérieurement, après la section sur les sous-masques. </para> <para> A l'intérieur d'un caractère de classe, ou si y est plus grand que 10, et qu'il n'y a pas eu assez de parenthèses ouvrantes auparavant, PCRE lis jusqu'à 3 chiffres octals à la suite de l'antislash, et génère un octet unique, à partir des 8 bits de poids faible de la séquence. Tous les chiffres qui suivent ne sont pas interprétés, et se representent eux-mêmes. Par exemple: <variablelist> <varlistentry> <term><emphasis>\040</emphasis></term> <listitem> <simpara> une autre manière d'écrire un espace </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\40</emphasis></term> <listitem> <simpara> identique, dans la mesure où il n'y a pas 40 parenthèses ouvrantes auparavant </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\7</emphasis></term> <listitem> <simpara> est toujours une référence arrière </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\11</emphasis></term> <listitem> <simpara> peut être une référence de retour, ou une tabulation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\011</emphasis></term> <listitem> <simpara> toujours une tabulation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\0113</emphasis></term> <listitem> <simpara> est une tabulation suivi du caractère "3" </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\113</emphasis></term> <listitem> <simpara> est le caractère 113 (étant donné qu'il ne peut y avoir plus de 99 références arrières) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\377</emphasis></term> <listitem> <simpara> est un octet dont tous les bits sont à 1 </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\0113</emphasis></term> <listitem> <simpara> peut être soit une référence arrière, soit le caractère &null;, suivi des caractères "8" et "1" </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Les valeurs octales supérieures ou égales à 100 ne doivent pas être introduites par un 0, car seuls les trois premiers octets seront lus. </para> <para> Toutes les séquences qui définissent une valeur d'un seul octet peuvent être utilisé dans les classes de caractères, et à l'extérieur. De plus, dans une classe de caractères, la séquence "<literal>\b</literal>" est interprétée comme un caractère effacer (backspace, hex 08). A l'extérieur d'une classe de caractères, il peut avoir d'autres significations (voir ci-dessous). </para> <para> On peut encore se servir de l'antislash pour préciser des types génériques de valeurs : <variablelist> <varlistentry> <term><emphasis>\d</emphasis></term> <listitem> <simpara> tout caractère décimal </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\D</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère décimal </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\s</emphasis></term> <listitem> <simpara> tout caractère blanc </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\S</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère blanc </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\w</emphasis></term> <listitem> <simpara> tout caractère de "mot" </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\W</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère de "mot" </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Chaque paire précédente définit une partition de la table des caractères : les deux ensembles sont disjoints. Un caractère satisfera soit un méta-caractère, soit l'autre. </para> <para> Un caractère de "mot" sera une lettre, un chiffre ou le caractère souligné, c'est-à-dire un caractère qui pourra être une partie d'un mot Perl. La définition des lettres et chiffres est définie par les tables de caractères de PCRE, et peut varier suivant la table locale de caractère (voir "Tables de caractères locales ", ci-dessus. Par exemple, dans la configuration français ("fr"), certains caractères ont des codes supérieurs à 128, pour les caractères accentués, et ils seront compris par le méta caractère <literal>\w</literal>. </para> <para> Ces séquences de caractères peuvent apparaître à l'intérieur ou à l'extérieur des classes de caractères. Elles remplacent à chaque fois un caractère du type correspondant. Si cette séquence est placée en fin de masque, et qu'il n'y a plus de caractère à comparer dans la chaîne sujet, la recherche échoue. </para> <para> La quatrième utilisation de l'antislash intervient lors d'assertions simples. Une assertion impose une condition à un certain point, sans remplacer de caractère. L'utilisation de sous-masques pour réaliser des assertions plus complexes est décrites plus-bas. Les assertions avec antislash sont les suivantes : <variablelist> <varlistentry> <term><emphasis>\b</emphasis></term> <listitem> <simpara> limite de mot </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\B</emphasis></term> <listitem> <simpara> pas limite de mot </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\A</emphasis></term> <listitem> <simpara> début de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\Z</emphasis></term> <listitem> <simpara> fin de la chaîne sujet ou nouvelle ligne à la fin de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\z</emphasis></term> <listitem> <simpara> fin de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Ces assertions ne peuvent pas apparaître dans une classe de caractères (mais "\b" a une autre signification à l'intérieur d'une classe de caractères). </para> <para> Une limite de mot est un emplacement dans la chaîne sujet ou un caractère et son suivant ne sont pas en même temps des caractères de mot, ou le contraire (on peut le voir comme <literal>\w\W</literal> ou <literal>\W\w</literal>), ou encore le premier ou le dernier caractère est un caractère mot. </para> <para> Les assertions <literal>\A</literal>, <literal>\Z</literal>, et <literal>\z</literal> diffèrent des méta caractères <literal>^</literal> et <literal>$</literal> dans la mesure où ils ne sont pas dépendants des options, notamment <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> ou <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link>. La différence entre <literal>\Z</literal> et <literal>\z</literal> tient au fait que <literal>\Z</literal> recherche les positions avant les nouvelles lignes et à la fin de la chaîne sujet, tandis que <literal>\z</literal> ne recherche que la fin de la chaîne. </para> </refsect2> <refsect2 id="regexp.reference.circudollar"> <title>Accent circonflexe et Dollar</title> <para> En dehors d'une classe de caractères, avec les options par défaut, <literal>^</literal> est une assertion qui n'est vraie que si elle est placée tout au début de la chaîne. A l'intérieur d'une classe de caractères, <literal>^</literal> a un tout autre sens (voir ci-dessous). </para> <para> <literal>^</literal> n'a pas besoin d'être le premier caractère du masque, si plusieurs alternatives sont proposées, mais il doit être placé en premier dans chaque alternative. Si toutes les alternatives commencent par <literal>^</literal>, alors le masque est dit ancré (il y a une autre construction qui porte cette appellation). </para> <para> <literal>$</literal> est une assertion qui n'est vraie que si elle est placée tout en fin de chaîne ou juste avant un caractère de nouvelle ligne qui serait le dernier caractère de la chaîne. A l'intérieur d'une classe de caractères, <literal>$</literal> a un tout autre sens (voir ci-dessous). </para> <para> <literal>$</literal> n'a pas besoin d'être le dernier caractère du masque, si plusieurs alternatives sont proposées, mais il doit être placé en dernier dans chaque alternative. Si toutes les alternatives finissent par <literal>$</literal>, alors le masque est dit ancré (il y a une autre construction qui porte cette appellation). <literal>$</literal> n'a pas de valeur particulière dans une classe de caractères. </para> <para> La signification de <literal>$</literal> peut changer, de manière à l'amener à ce qu'il ne puisse se trouver qu'en toute fin de la chaîne sujet. Cela se fait en ajoutant l'option <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> au moment de la compilation, ou de l'exécution. Cette option est inopérante sur <literal>\Z</literal>. </para> <para> La signification de <literal>^</literal> peut changer, de manière à l'amener à ce qu'il puisse se trouver immédiatement avant et immédiatement après un caractère de nouvelle ligne "<literal>\n</literal>". Cela se fait en ajoutant l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> au moment de la compilation ou de l'exécution. Par exemple, le masque <literal>/^abc$/</literal> accepte la chaîne "<literal>def\nabc</literal>" uniquement en mode multi-lignes. Par conséquent, toutes les parties du masques qui commencent par "<literal>^</literal>" ne sont pas ancrées, en mode multi-lignes. L'option <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> est ignorée si l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> est choisie. </para> <para> Notez que les méta caractères <literal>\A</literal>, <literal>\Z</literal>, et <literal>\z</literal> peuvent servir à répérer le début et la fin du sujet, et toutes les parties du masque qui commenceront par <literal>\A</literal> seront toujours ancrées, avec l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> ou non. </para> </refsect2> <refsect2 id="regexp.reference.dot"> <title>Point</title> <simpara> En dehors d'une classe de caractères, un point remplace n'importe quel caractère, même invisible et à l'exception du caractère de nouvelle ligne. Avec l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> le point remplace n'importe quel caractère, même le caractère de nouvelle ligne. La gestion des points et complètement indépendante de <literal>^</literal> et <literal>$</literal>. Le seul point commun est que les deux ont un comportement particulier vis à vis des caractère de nouvelle ligne. </simpara> <simpara> Le point n'a pas de comportement particulier dans une classe de caractères. </simpara> </refsect2> <refsect2 id="regexp.reference.squarebrackets"> <title>Crochets</title> <para> Un crochet ouvrant <literal>[</literal> introduit une classe de caractères, et le crochet fermant <literal>]</literal>la conclut. Le crochet fermant n'a pas de signification en lui-même. Si le crochet fermant est nécessaire à l'intérieur d'une classe de caractères, il faut qu'il soit le premier caractère (après un <literal>^</literal> éventuel) ou échappé avec un antislash. </para> <para> Une classe de caractères remplace un seul caractère dans la chaîne sujet, à moins que le premier caractère de la classe soit un accent circonflexe <literal>^</literal>, qui représente une négation : le caractère ne doit pas se trouver dans la classe. Si <literal>^</literal> est nécessaire dans la classe, il suffit qu'il ne soit pas le premier caractère, ou bien qu'il soit échappé avec un antislash. </para> <para> Par exemple, le caractère <literal>[aeiou]</literal> remplace n'importe quelle voyelle minuscule, tandis que <literal>[^aeiou]</literal> remplace n'importe quelle caractère qui n'est pas une voyelle minuscule. <literal>^</literal> est une notation pratique pour spécifier des caractères qui sont dans une classe, en ne citant que ceux qui n'y sont pas. Le comportement est inchangé. </para> <para> Avec l'option d'insensibilité à la casse, toutes les lettres d'une classe de caractères représentent en même temps la majuscule et la minuscule. Par exemple, <literal>[aeiou]</literal> représentera "<literal>A</literal>" ou "<literal>a</literal>", et <literal>[^aeiou]</literal> n'acceptera pas ni "<literal>A</literal>", tandis que sans l'option, elle l'accepterait. </para> <para> Le caractère de nouvelle ligne n'est pas traité de manière spéciale dans les classes de caractères, quelque soit l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> ou <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link>. Une classe telle que <literal>[^a]</literal> acceptera toujours une nouvelle ligne. </para> <para> Le signe moins (<literal>-</literal>) est utilisé pour spécifier un intervalle de caractères, dans une classe. Par exemple, <literal>[d-m]</literal> remplace toutes les lettres entre d et m inclus. Si le caractère moins est requis dans une classe, il faut l'échapper avec un antislash, ou le faire apparaître à une position où il ne pourra pas être interprété comme une indication d'intervalle, c'est-à-dire au début ou à la fin de la classe. </para> <para> Il n'est pas possible d'avoir le caractère crochet fermant "<literal>]</literal>" comme fin d'intervalle. Un masque tel que <literal>[W-]46]</literal> est compris comme la classe de caractères contenant deux caractères ("W" et "-") suivi de la chaîne littérale "46]", ce qui fait qu'il va accepter "<literal>W46]</literal>" ou "<literal>-46]</literal>". Cependant, si "<literal>]</literal>" est échappé avec un antislash, le masque <literal>[W-\]46]</literal> est interprété comme une classe d'un seul caractère, contenant un intervalle de caractères. </para> <para> La valeur octale ou hexadécimale de "<literal>]</literal>" peut aussi être utilisée pour déterminer les limites de l'intervalle. Les intervalles travaillent sur des séquences ASCII. Ils peuvent aussi être précisées avec des valeurs numériques, par exemple "<literal>[\000-\037]</literal>". Si cet intervalle inclut des lettres utilisées avec une option d'insensibilité de casse, les majuscules ou minuscules correspondantes seront aussi incluses. Par exemple, "<literal>[C-c]</literal>" est équivalent é "<literal>[][\^_`wxyzabc]</literal>", avec l'option d'insensibilité de casse. Si la table locale de caractères est "fr", "<literal>[\xc8-\xcb]</literal>" correspond aux caractères accentués. </para> <para> Les types de caractères <literal>\d</literal>, <literal>\D</literal>, <literal>\S</literal>, <literal>\s</literal>, <literal>\w</literal>, <literal>\W</literal> peuvent aussi intervenir dans les classes de caractères. Par exemple, "<literal>[][\^_`wxyzabc][\dABCDEF]</literal>" acceptera n'importe quel caractère hexadécimal. Un accent circonflexe peut aussi être utilisé pour spécifier adroitement des ensembles de caractères plus restrictifs : par exemple <literal>[^\W_]</literal> accepte toutes les lettres et les chiffres, mais pas les soulignés. Tous les caractères non alpha- numériques autres que <literal>\, -, ^</literal> (placés en début de chaîne) et <literal>]</literal> n'ont pas de signification particulière, mais ils ne perdront rien à être échappés. </para> </refsect2> <refsect2 id="regexp.reference.verticalbar"> <title>Barre verticale</title> <para> La barre verticale <literal>|</literal> sert à séparer des alternatives. Par exemple, dans le masque "<literal>/dupont|martin/</literal>" recherche soit "<literal>dupont</literal>", soit "<literal>martin</literal>". Le nombre d'alternatives n'est pas limité, et il est même possible d'utiliser la chaîne vide. Lors de la recherche, toutes les alternatives sont essayées, de gauche à droite, et la première qui est acceptée est utilisée. </para> <para> Si les alternatives sont dans un sous-masque, elle ne réussiront que si le masque principal réussi aussi. </para> </refsect2> <refsect2 id="regexp.reference.internal-options"> <title>Options internes</title> <para> Les options <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link>, <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link>, <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> peuvent être changée à l'intérieur du masque lui-même, avec des séquences mises entre "<literal>(?</literal>" et "<literal>)</literal>". Les options sont : <variablelist> <varlistentry> <term><emphasis>i</emphasis></term> <listitem> <simpara> PCRE_CASELESS </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>m</emphasis></term> <listitem> <simpara> PCRE_MULTILINE </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>s</emphasis></term> <listitem> <simpara> PCRE_DOTALL </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>x</emphasis></term> <listitem> <simpara> PCRE_EXTENDED </simpara> </listitem> </varlistentry> </variablelist> Par exemple, <literal>(?im)</literal> rend le masque insensible à la casse, et multi-lignes. Il est possible d'annuler ces options en les faisant précéder par un signe <literal>-</literal> : par exemple <literal>(?im-sx)</literal>, ajoutera les options <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link> et <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> mais annulera les options <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link>. Si une option apparaît avant et après le signe moins, l'option sera annulée. </para> <para> Le domaine d'application de ces options dépend de la position de la séquence d'option. Pour toutes les séquences d'options qui sont hors des sous-masques (définis plus loin), l'effet est le même que si l'option avait été fixée dès le début de la recherche. Les exemples suivants se comportent tous de la même façons : <literal>(?i)abc</literal>, <literal>a(?i)bc</literal>, <literal>ab(?i)c</literal>, <literal>abc(?i)</literal>, et sont parfaitement équivalents au masque <literal>abc</literal> avec l'option <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link>. En d'autres termes, activer des séquences d'options dans le corps principal du masque revient à appliquer l'option à tout le masque, sauf ordre contraire dans les sous-masques. S'il y a plusieurs séquences d'options qui portent sur la même option, la dernière s'appliquera. </para> <para> Si une option intervient dans un sous-masque, le comportement est différent. C'est un changement de comportement apparu en Perl 5.005. Une option à l'intérieur d'un sous-masque n'affecte que cette partie du masque, ce qui fait que <literal>(a(?i)b)c</literal> acceptera <literal>abc</literal> et <literal>aBc</literal> mais aucune autre chaîne (en supposant que <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link> n'est pas utilisé). Cela signifie que les options permettent d'avoir différente configuration de recherche pour différentes parties du masque. </para> <para> Une séquence d'options dans une alternative affecte toute l'alternative. Par exemple : <literal>(a(?i)b|c)</literal> accepte "<literal>ab</literal>", "<literal>aB</literal>", "<literal>c</literal>", et "<literal>C</literal>", même si, comme dans le cas de "<literal>C</literal>", la première alternative qui porte l'option n'est pas prise en compte. Sinon, cela risque d'introduire des comportements très étranges : les options spécifiques à PCRE telles que <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTRA</link> peuvent être modifiées de la même manière, en utilisant respectivement les caractères U et X. L'option <literal>(?X)</literal> est particulière, car elle doit toujours intervenir avant toutes les autres options, même au niveau du masque entier. Il vaut mieux l'activer au début du masque. </para> </refsect2> <refsect2 id="regexp.reference.subpatterns"> <title>Sous-masques</title> <para> Les sous-masques sont délimités par des parenthèses, et peuvent être imbriquées. Ajouter des sous-masques a deux utilités : </para> <para> 1. Délimiter des alternatives. Par exemple, le masque <literal>char(don|mant|)</literal> acceptera les mots "<literal>char</literal>", "<literal>charmant</literal>", ou "<literal>charmant</literal>". Sans les parenthèses, il n'accepterait que "<literal>chardon</literal>", "<literal>mant</literal>" ou la chaîne vide "". </para> <para> 2. Le sous-masque est considéré comme capturant : lorsqu'une chaîne sujet est acceptée par le masque complet, les sous-masques sont transmis à l'appelant grâce à un vecteur de sous-masques. Les parenthèses ouvrantes sont comptées de gauche à droite, (commençant à 1). Par exemple, soit la chaîne sujet "<literal>le roi soleil</literal>" qui est utilisée avec le masque suivant : <literal>Le ((roi|prince) (soleil|charmant))</literal> les sous-masques capturé sont "<literal>roi soleil</literal>", "<literal>roi</literal>", et "<literal>soleil</literal>", numérotés respectivement 1, 2, et 3. </para> <para> L'ubiquité des parenthèses n'est pas toujours simple d'emploi. Il y a des moments où regrouper des sous-masques est nécessaire, sans pour autant capturer la valeur trouvée. Si une parenthèse ouvrante est suivie de "<literal>?:</literal>", le sous-masque ne capture pas la chaîne assortie, et ne sera pas compté lors de la numérotation des captures. Par exemple, avec la chaîne "<literal>le prince charmant</literal>", utilisé avec le masque <literal>Le (( ?roi|prince) (soleil|charmant))</literal> les chaînes capturées seront "<literal>prince charmant</literal>" et "<literal>charmant</literal>", numérotés respectivement 1 et 2. </para> <para> Le nombre maximal de chaîne capturées est de 99, et le nombre total de sous-masque (capturant ou non) ne doit pas dépasser 200. </para> <para> <literal>(?i:samedi|dimanche)</literal> et <literal>(?:(?i) samedi | dimanche)</literal> : De plus, comme les séquences d'options sont valables sur toute une alternative, les masques ci-dessus accepteront aussi bien "DIMANCHE" que "Dimanche". </para> </refsect2> <refsect2 id="regexp.reference.repetition"> <title>Répétitions</title> <para> Les répétitions sont spécifiées avec des quantificateurs, qui peuvent être placés à la suite des caractères suivants : <variablelist> <varlistentry> <term><emphasis>a</emphasis></term> <listitem> <simpara> Un caractère unique, même s'il s'agit d'un méta caractère </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>[abc]</emphasis></term> <listitem> <simpara> Une classe de caractères </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\2</emphasis></term> <listitem> <simpara> Une référence de retour (Voir section suivante) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>(a|b|c)</emphasis></term> <listitem> <simpara> Un sous-masque avec parenthèses (à moins que ce ne soit une assertion, voir plus loin) </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Les quantificateurs généraux précisent un nombre minimum et maximum de répétitions possibles, donnés par deux nombres entre accolades, et séparés par une virgule. Ces nombres doivent être plus petits que 65536, et le premier nombre doit être égal ou inférieur au second. Par exemple <literal>z{2,4}</literal> accepte "<literal>zz</literal>", "<literal>zzz</literal>", ou "<literal>zzzz</literal>". L'accolade fermante n'a pas de signification par elle-même. </para> <para> Si le second nombre est omis, mais que la virgule est là, cela signifie qu'il n'y a pas de limite supérieure. Si le second nombre et la virgule sont omis, le quantificateur correspond au nombre exact de répétition attendues. Par exemple : accepte n'importe quelle succession d'au moins 3 voyelles minuscules, tandis que <literal>\d{d}</literal> n'accepte que 8 chiffres exactement. </para> <para> Une accolade ouvrante qui apparaît à une position où un quantificateur n'est pas accepté, ou si la syntaxe des quantificateurs n'est pas respectée, sera considérée littérale. Par exemple, "<literal>{,6}</literal>" n'est pas un quantificateur, mais une chaîne de 4 caractères. </para> <para> Le quantificateur {0} est autorisé, mais l'expression est alors ignorée. <variablelist> <varlistentry> <term><emphasis>*</emphasis></term> <listitem> <simpara> équivalent à {0,} </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>+</emphasis></term> <listitem> <simpara> équivalent à {1,} </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>?</emphasis></term> <listitem> <simpara> équivalent à {0,1} </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Il est possible de constituer des boucles infinies en créant un sous-masque sans caractères, mais pourvu d'un quantificateur sans limite supérieure. Par exemple "<literal>(a?)*</literal>. </para> <para> Les versions plus anciennes de Perl et PCRE généraient alors une erreur au moment de la compilation. Cependant, étant donné qu'il existe des situations où ces constructions peuvent être utiles, ces masques sont désormais autorisés. Cependant, si la répétion du sous-masque ne trouve aucun caractère, la boucle est interrompue. </para> <para> Par défaut, les quantificateurs sont dits "gourmands", c'est à dire, qu'ils cherchent d'abord à trouve le nombre maximal de répétitions qui autorise le succès de la recherche. L'exemple classique posé par cette gourmandise est la recherche de commentaires d'un programme en C. Les commentaires apparaissent entre les séquences <literal>/*....*/</literal> et à l'intérieur de ces délimiteurs, les <literal>*</literal> et <literal>/</literal> sont autorisés. Appliquer le masque <literal>/\*.*\*/</literal> à la chaîne <literal>/* first commet */ not comment /* second comment */</literal> ne peut réussir, car le masque travaille sur toute la chaîne, à cause de la gourmandise du caractère <literal>.*</literal>. </para> <para> Cependant, un quantificateur suivi d'un point d'interrogation cesse d'être gourmand, et au contraire, ne recherche que le nombre minimum de répétition. Dans ces conditions, le masque <literal>/\*.*?\*/</literal> trouvera bien les commentaires du code C. La signification des autres quantificateurs n'est pas changée. </para> <para> Attention à ne pas confondre l'utilisation du point d'interrogation ici avec son utilisation comme quantificateur lui-même. A cause cette ambiguité, il peut apparaître des situations où il faut le doubler : <literal>\d??\d</literal>. Ce masque va tenter de lire un seul chiffre, mais le cas échéant, il acceptera 2 chiffres pour permettre à la recherche d'aboutir. Si l'option <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> est activée, (une option qui n'est pas disponible avec Perl) alors les quantificateurs sont non gourmand par défaut, mais peuvent être rendu gourmand au cas par cas, en ajoutant un point d'interrogation après. En d'autres termes, cette option inverse le comportement par défaut. </para> <para> Lorsqu'un sous-masque est quantifié avec un nombre minimum de répétitions, qui soit plus grand que 1, ou avec un maximum de répétitions, le masque compilé aura besoin de plus de place de stockage, proportionnellement au minimum et au maximum. </para> <para> Si un masque commence par <literal>..*</literal> ou <literal>.{0,}</literal> et que l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> (équivalent en Perl à /s) est activée, c'est-à-dire en autorisant le remplacement des nouvelles lignes par un méta-caractère, alors le masque est implicitement ancré, car tout ce qui suit va être mangé par la première séquence, et se comportera comme si le masque se terminait par le méta caractère <literal>\A</literal>. Dans le cas où on sait d'avance qu'il n'y aura pas de caractère de nouvelle ligne, activer l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et commencer le masque par <literal>.*</literal> permet d'optmiser le masque. </para> <para> Alternativement, on peut utiliser <literal>^</literal> pour ancrer explicitement le masque. Lorsqu'un sous-masque capturant est répété, la valeur capturée est la dernière. Par exemple, après que "<literal>(inter[net]{3}\s*)+</literal>" ai été appliqué à "<literal>internet interne</literal>", la valeur de la chaîne capturée est "<literal>interne</literal>". </para> <para> Cependant, s'il y a des sous-masques imbriqués, la valeur capturée correspondante peut l'avoir été lors des précédentes itérations. Par exemple : <literal>/(a|(b))+/</literal> accepte "<literal>aba</literal>" et la deuxième valeur capturée est "<literal>b</literal>". </para> </refsect2> <refsect2 id="regexp.reference.back-references"> <title>Références arrières </title> <para> En dehors des classes de caractères, un antislash suivi d'un nombre plus grand que 0 (et possiblement plusieurs chiffres) est une référence arrière (c'est à dire vers la gauche) dans le masque, en supposant qu'il y ait suffisamment de sous-masques capturants précédants. </para> <para> Cependant, si le nombre décimal suivant l'antislash est plus petit que 10, il sera toujours considéré comme une référence arrière, et cela génèrera une erreur si le nombre de capture n'est pas suffisant. En d'autres termes, il faut qu'il existe suffisamment de parenthèses ouvrantes à gauche de la référence, surtout si la référence est inférieure à 10. </para> <para> Reportez-vous à la section "antislash" pour avoir de plus amples détails à propos du nombre de chiffres qui suivent l'antislash. </para> <para> La référence arrière remplace ce qui a été capturé par un sous-masque dans le masque courant, plutôt que remplace le sous-masque lui-même. Ainsi <literal>(calme|rapide)</literal> et <literal>\1ment</literal> trouvera "<literal>calme et calmement</literal>" et "<literal>rapide et rapidement</literal>", mais pas "<literal>calme et rapidement</literal>". Si la recherche tient compte de la casse, alors la casse de la chaîne capturée sera importante. Par exemple, <literal>((?i)rah)\s+\1</literal> trouve "<literal>rah rah</literal>" et "<literal>RAH RAH</literal>", mais pas "<literal>RAH rah</literal>", même si le sous-masque capturant initial ne tenait pas compte de la casse. </para> <para> Il peut y avoir plusieurs références arrières dans le même sous-masque. Si un sous-masque n'a pas été utilisé dans une recherche, alors les références arrières échoueront. Par exemple "<literal>(a|(bc))\2</literal>" ne réussira jamais si la chaîne sujet commence par "<literal>a</literal>" plutôt que par "<literal>bc</literal>". </para> <para> Etant donné qu'il peyt y avoir jusqu'à 99 références arrières, tous les chiffres après l'antislash sont considérés comment faisant potentiellement partie de la référence arrière. Si le masque recherche un chiffre après la référence, alors il faut impérativement utiliser des délimiteurs pour terminer la référence arrière. </para> <para>> Si l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est activée, on peut utiliser un espace. Sinon, un commentaire vide fait l'affaire. Une référence arrière qui intervient à l'intérieur de parenthèses auquel elle fait référence échouera dès que le sous-masque sera utilisé. Par exemple, <literal>(a\1)</literal> échouera toujours. Cependant, ces références peuvent être utiles dans les sous-masques répétitifs. Par exemple, le masque "<literal>(a|b\1)+</literal>" pourra convenir pour "<literal>a</literal>", "<literal>aba</literal>", "<literal>ababaa</literal>", etc.... </para> <para> A chaque itération du sous-masque, la référence arrière utilise le résultat du dernier sous-masque. Pour que cela fonctionne, il faut que la première itération n'ai pas besoin d'utiliser la référence arrière. Cela arrive avec les alternatives, comme dans l'exemple ci-dessus, ou avec un quantificateur de minimum 0. </para> </refsect2> <refsect2 id="regexp.reference.assertions"> <title>Assertions</title> <para> Une assertion est un test sur les caractères suivants ou précédent celui qui est en cours d'étude. Ce test ne consomme par de caractère (ie, on ne déplace pas le pointeur de caractères). Les assertions simples sont codées avec <literal>\b</literal>, <literal>\B</literal>, <literal>\A</literal>, <literal>\Z</literal>, <literal>\z</literal>, <literal>^</literal> et <literal>$</literal>, et sont décrites précédemment. </para> <para> Il existe cependant un type d'assertions plus complexes, codées sous la forme de sous-masques. Il en existe deux types : celles qui travaillent au-delà de la position courante (<literal>\w+(?=;)</literal>), et celles qui travaillent en deça (<literal>(?!)\w+</literal>). </para> <para> Une assertion se comporte comme un sous-masque, hormis le fait qu'elle ne déplace pas le pointeur de position. Les assertions avant commencent par <literal>(?=</literal> pour les assertions positives, et par <literal>(?!</literal>, pour les assertions négatives. Par exemple : <literal>\w+(?=;)</literal> s'assure qu'un mot est suivi d'un point-virgule, mais n'inclus pas le point virgule dans la capture. D'autre part, <literal>(?!foo)bar</literal> en est proche, mais ne trouve pas une occurrence de "<literal>bar</literal>" qui soit précédée par quelque chose d'autre que "<literal>foo</literal>foo"; il trouve toutes les occurrences de "<literal>bar</literal>", quelque soit ce qui le précéde, car l'assertion <literal>(?!foo)</literal> est toujours vraie quand les trois caractères suivants sont "<literal>bar</literal>". Une assertion arrière est ici nécessaire. </para> <para> Les assertions arrières commencent par <literal>(?<=</literal> pour les assertions positives, et <literal>(?<!</literal> pour les assertions négatives. Par exemple : <literal>(?<!foo)bar</literal> trouve les occurrences de "<literal>bar</literal>" qui ne sont pas précédées par "<literal>foo</literal>". </para> <para> Le contenu d'une référence arrière est limité de telle façon que les chaînes qu'il utilise soient toujours de la même taille. Cependant, lorsqu'il y a plusieurs alternatives, elles n'ont pas besoin d'être de la même taille. Par exemple, <literal>(?<=bullock|donkey)</literal> est autorisé, tandis que <literal>(?<!dogs?|cats?)</literal> provoque une erreur de compilation. Les alternatives qui ont des longueurs différentes ne sont autorisées qu'au niveau supérieur des assertions arrières. C'est une amélioration du fonctionnement de Perl 5.005, qui impose aux alternatives d'avoir toutes la même taille. Une assertion telle que <literal>(?<=ab(c|de))</literal> n'est pas autorisée, car l'assertion de bas niveau (la deuxième, ici) a deux alternatives de longueurs différentes. Pour la rendre acceptable, il faut écrire <literal>(?<=abc|abde)</literal> </para> <para> L'implémentation des assertions arrières déplace temporairement le pointeur de position vers l'arrière, et cherche à vérifier l'assertion. Si le nombre de caractères est différent, la position ne sera pas correcte, et l'assertion échouera. La combinaison d'assertions arrières avec des sous-masques peut être particulièrement pratique à fin des chaînes. Un exemple est donné à la fin de cette section. </para> <para> Plusieurs assertions peuvent intervenir successivement. Par exemple, le masque <literal>(?<=\d{3})(?<!999)foo</literal> recherche les chaînes "<literal>foo</literal>" précédées par trois chiffres qui ne sont pas "999". Notez que chaque assertion est appliquées indépendemment, au même point de la chaîne à traiter. Tout d'abord, il est vérifié que les trois premiers caractères ont tous des chiffres, puis on s'assure que ces trois caractères ne sont pas "<literal>999</literal>". Le masque précédant n'accepte pas "<literal>foo</literal>" précédé de 6 caractères, les trois premiers étant des chiffres et les trois suivants étant différents de "<literal>999</literal>". Par exemple, ce masque n'acceptera pas la chaîne "<literal>123abcfoo</literal>". Pour ce faire, il faut utiliser le masque suivant : <literal>(?<=\d{3}...)(?<!999)foo</literal>. Dans ce masque, la première assertion vérifie les six premiers caractères, s'assure que les trois premiers sont des entiers, et la deuxième assertion s'assure que les trois derniers caractères ne sont pas "<literal>999</literal>". </para> <para> De plus, les assertions peuvent être imbriquées : <literal>(?<=(?<!foo)bar)baz</literal> recherche les occurrences de "<literal>baz</literal>" qui sont précédées par "<literal>bar</literal>", qui, à son tour, n'est pas précédé par "<literal>foo</literal>". Au contraire, <literal>(?<=\d{3}(?!999)...)foo</literal> est un autre masque, qui recherche les caractères "<literal>foo</literal>", précédés par trois chiffres, suivis trois autres caractères qui ne forment pas "<literal>999</literal>". Les assertions ne sont pas capturantes, et ne peuvent pas être répétées. Si une assertion contient des sous-masques capturants en son sein, ils seront compris dans le nombre de sous-masques capturants du masque entier. La capture est réalisée pour les assertions positives, mais cela n'a pas de sens pour les assertions négatives. </para> <para> 200 assertions au maximum sont autorisées. </para> </refsect2> <refsect2 id="regexp.reference.onlyonce"> <title>Sous-masques uniques</title> <para> Avec les quantificateurs de répétitions, l'échec d'une recherche conduit normalement à une autre recherche, avec un nombre différent de répétitions, pour voir si le masque ne s'applique pas dans d'autres conditions. Parfois, il est pratique d'éviter ce comportement, soit pour changer la nature de la recherche, soit pour la faire abandonner plus tôt, si on pense qu'il n'est pas besoin d'aller plus loin. </para> <para> Considérons par exemple, le masque <literal>\d+foo</literal> appliqué à la ligne <literal>123456bar</literal>. Après avoir tenté d'utiliser les 6 chiffres suivi de "<literal>foo</literal>" qui font échouer, l'action habituelle sera de réessayer avec 5 chiffres, puis avec 4, et ainsi de suite jusqu'à l'échec final. </para> <para> Un sous-masque évalué une seule fois permettrait d'indiquer que lorsqu'une partie du masque est trouvée, elle n'a pas besoin d'être réévaluée à chaque tentative. Ceci conduirait à ce que la recherche échoue immédiatement après le premier test. Ces assertions ont leur propre notation, commençant avec <literal>(?></literal> comme ceci : <literal>(?>\d+)bar</literal>. </para> <para> Ce type de parenthèses verrouille le sous-masque qu'il contient un fois qu'il a été trouvé, et empêche un échec ultérieur d'y repasser, mais autorise à revenir plus loin en arrière. Une autre description est que les sous-masques de ce type recherche les chaînes de caractères, et les ancre le sous-masque à l'intérieur de la chaîne. </para> <para> Les sous-masques uniques ne sont pas capturants. Des cas simples comme ceux présentés ci-dessus peuvent être pris comme des situations maximisantes, qui réservent le maximum de caractères. En effet, alors que <literal>\d+</literal> et <literal>\d+?</literal> ajustent le nombre de chiffres trouvés de manière à laisser la possibilité au masque de réussir, <literal>(?>\d+)</literal> ne peut retenir que la séquence entière de chiffres. Cette construction peut contenir un nombre arbitraire de sous-masques complexes, et ils peuvent être imbriqués. </para> <para> Les sous-masques uniques ne peuvent être utilisés qu'avec les assertions arrières, pour effectuer une recherche efficace en fin de chaîne. Considérons un masque simple tel que "<literal>abcd$</literal>" appliqué à une très longue chaîne qui ne lui correspond pas. A cause du système de recherche de gauche à droite, PCRE va commencer par rechercher un "<literal>a</literal>" dans la chaîne sujet, puis vérifier si ce qui suit convient au reste du masque. Si le masque est spécifié sous la forme <literal>^.*abcd$</literal> alors, la séquence <literal>.*</literal> remplace en premier lieu la chaîne entière, et échoue, repart en arrière, et remplace tous les caractères sauf le dernier, échoue, retourne en arrière, prend un caractère de moins, etc... et ainsi de suite. Encore une fois, la recherche du "<literal>a</literal>" passe en revue toute la chaîne de gauche à droite, ce qui n'est pas très efficace. Par contre, si le masque était écrit <literal>^(?>.*)(?<=abcd)</literal> alors il n'y aurait pas de retour en arrière, pour satisfaire la séquence <literal>.*</literal>, car elle ne peut que remplacer toute la chaîne. L'assertion arrière consécutive va alors faire un test sur les 4 derniers caractères. Si elle échoue, la recherche est immédiatement interrompue. </para> <para> Pour les chaînes très longues, cette approche fait la différence en terme de performances et de temps de recherche. Lorsqu'un masque contient une répétition illimitée dans un sous-masque, qui contient lui-même un nombre illimité de répétiteur, l'utilisation des sous-masques à utilisation unique sont la seule façon d'éviter l'échec de la recherche à après un temps de calcul trop long. </para> <para> Le masque <literal>(\D+|<\d+>)*[!?]</literal> recherche un nombre illimité de sous-chaînes, qui contiennent soit des non-chiffres, soit des chiffres inclus dans <>, suivi soit par <literal>!</literal> ou par <literal>?</literal>. Lorsqu'il trouve une solution, ce masque va très vite. Mais, lorsqu'il est appliqué à une chaîne telle que : <literal>aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa</literal>, il lui faut beaucoup de temps pour annoncer un échec. Cela est dû au fait que la chaîne peut être divisée en deux sous-chaînes d'un grand nombre de façons, et qu'elles ont toutes été essayées. (Cet exemple utilisait <literal>[!?]</literal> plutôt qu'un caractère simple, car PCRE et PHP utilise une optimisation qui leur permettent de détecter rapidement l'échec lorsqu'un caractère unique est trouvé. Il se souvient du dernier caractère qui est attendu, et s'aperçoit rapidement qu'il n'y a pas ce caractère). </para> <para> Si le masque utilisé est <literal>((?>\D+)|<\d+>)*[!?]</literal> les séquences de chiffres ne peuvent pas être trouvées, et l'échec intervient rapidement. </para> </refsect2> <refsect2 id="regexp.reference.conditional"> <title>Les sous-masques conditionnels</title> <para> Il est possible de lier un sous-masque à une condition, ou de choisir entre deux sous-masques alternatifs, en fonction du résultat d'une assertion, ou suivant les résultats de recherche précédents. </para> <para> Les deux formes possibles de sous-masques conditionnels sont <literal>(?(condition)masque positif)</literal> et <literal>(?(condition) masque positif | masque négatif)</literal>. </para> <para> Si les conditions sont satisfaites, le masque positif est utilisé, sinon, le masque négatif est utilisé, si présent. S'il y a plus de deux alternatives, une erreur est générée à la compilation. </para> <para> Il y a deux types de conditions : si le texte entre les parenthèses est une séquence de chiffres, alors la condition est satisfaite si le sous-masque correspondant à ce numéro a réussi. Considérons le masque suivant, qui contient des espaces non significatifs pour le rendre plus compréhensible (on supposera l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> activée) et qui est divisé en trois parties pour simplifier les explications : <literal>( \( )? [^()]+ (?(1) \) )</literal>. </para> <para> La première partie recherche une parenthèse ouvrante optionnelle, et si elle existe, elle est capturée. La deuxième partie recherche un séquence de caractères qui ne contiennent pas de parenthèses. La troisième partie est conditionnée à la première, et s'assure que s'il y avait une parenthèse ouvrante, il en existe une fermante. Si une parenthèse ouvrante a été trouvée, elle a été capturée, et donc la première capture existe, et la condition est exécutée. Sinon, elle est ignorée. </para> <para> Ce masque recherche donc une séquence de lettres, éventuellement placées entre parenthèse. Si la condition n'est pas une séquence de chiffres, il faut que ce soit une assertion. Ce peut être une assertion positive ou négative, arrière ou avant. Considérons le masque suivant (même conditions que le précédent) et avec deux alternatives en seconde ligne : <literal>(?(?=[^a-z]*[a-z])\d{2}[a-z]{3}-\d{2} | \d{2}-\d{2}-\d{2} )</literal>. La condition est une assertion avant positive, qui recherche une séquence optionnelle de caractères non-lettre. En d'autres termes, elle teste la presence d'au moins une lettre dans la chaîne sujet. Si une lettre est trouvée, la recherche se poursuit avec la première alternative, et sinon, avec la seconde. Ce masque recherche des chaînes de la forme <literal>dd-aaa-dd</literal> ou <literal>dd-dd-dd</literal>, avec "<literal>aaa</literal>" qui sont des lettres, et <literal>dd</literal> qui sont des chiffres. </para> </refsect2> <refsect2 id="regexp.reference.comments"> <title>Commentaires</title> <simpara> La séquence <literal>(?#</literal> marque le début d'un commentaire, qui se termine à la prochaine parenthèse fermante. Les parenthèses imbriquées ne sont pas autorisées. Les caractères entre ces délimiteurs ne jouent alors aucun rôle dans le masque. </simpara> <simpara> Si l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est activée, les caractères dièses <literal>#</literal> non échappés en dehors d'une classe de caractères introduisent un commentaire qui continuera jusqu'à la prochaine ligne dans le masque. </simpara> </refsect2> <refsect2 id="regexp.reference.recursive"> <title>Masques récursifs</title> <para> Considérons le cas où il faut recherche dans une chaîne, avec un niveau d'imbrications infini de parenthèses. Sans l'aide de la récursivité, le mieux que nous puissions obtenir est de créer un masque avec un niveau fixé de profondeur d'imbrication. Il n'est pas possible de traiter des masques à niveau d'imbrications variable. PCRE fournit un nouvel outil expérimental qui permet d'utiliser la récursivité dans les masques (entre autre). L'option <literal>(?R)</literal> est fournie pour servir la cause de la récursivité. Le masque suivant résoud le problème des parenthèses (l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est utilisée pour ignorer les espaces) : <literal>\( ( (?>[^()]+) | (?R) )* \)</literal> </para> <para> Tout d'abord, le masque recherche une parenthèse ouvrante. Puis, il recherche n'importe quel nombre de sous-chaînes qui sont soit des séquences de caractères non-parenthèses, ou bien une recherche récursive avec le même masque (i.e. une chaîne correctement incluse entre parenthèses). Finalement, il recherche une parenthèse fermante. </para> <para> Cet exemple particulier contient un nombre illimité de répétitions imbriquées, ce qui fait que l'utilisation de sous-chaînes à utilisation unique pour rechercher les séquence de caractères non-parenthèses est important, lorsqu'il s'applique à une chaîne qui n'est pas valide. Par exemple, si on l'applique à "<literal>(aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa()</literal>" la réponse arrive rapidement. Sinon, si les sous-chaînes à utilisation unique ne sont pas utilisées, la recherche peut prendre un très long temps, car il existe de très nombreuses combinaisons de <literal>+</literal> et <literal>*</literal> à tester avant de conclure à l'échec. </para> <para> Les valeurs utilisées pour capturer les sous-masques sont celles utilisées par les niveaux les plus hauts de récursivités, auquel la valeur est fixée. Si le masque précédent est utilisé avec <literal>(ab(cd)ef)</literal> la valeur de la parenthèse capturante est "<literal>ef</literal>", qui est la dernière valeur lue au niveau supérieur. Si de nouvelles parenthèses sont ajoutées, par exemple : <literal>\( ( ( (?>[^()]+) | (?R) )* ) \)</literal> alors la chaîne capturée est "<literal>ab(cd)ef</literal>", c'est-à-dire le contenu de la parenthèses capturant de plus haut niveau. S'il y a plus de 15 parenthèses capturantes dans une chaîne, PCRE doit utiliser plus de mémoire pour stocker ces données. S'il ne peut obtenir cette mémoire supplémentaire, il ne fait que sauver les 15 premières, car il n'y a pas moyen de générer une erreur de mémoire lors d'une récursion. </para> </refsect2> <refsect2 id="regexp.reference.performances"> <title>Performances</title> <para> Certaines séquences de recherches sont plus efficaces que d'autres. Ainsi, il est plus efficace d'utiliser une classe de caractères telle que <literal>[aeiou]</literal> plutôt qu'une alternative <literal>(a|e|i|o|u)</literal>. </para> <para> En général, le masque le plus simple, qui permette la recherche désirée est le plus efficace. Le livre de Jeffrey Friedl's contient de nombreuses études à propos de l'optimisation des expressions régulières. </para> <para> Lorsqu'un masque commence par.* et que l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> est activée, le masque est implicitement ancré par PCRE, étant donné qu'il ne peut que rechercher au début de la chaîne. Cependant, si option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> n'est pas activée, PCRE ne peut faire aucune optimisation car le méta-caractères point "<literal>.</literal>" ne remplace pas une nouvelle ligne, et si la chaîne sujet contient des nouvelles lignes, le masque peut trouver une solution qui serait située juste après une de ces nouvelles lignes, et non pas seulement au début de la chaîne sujet. Par exemple, le masque, <literal>(.*)second</literal> acceptera la chaîne "<literal>premier \net second</literal>" (avec "<literal>\n</literal>" qui remplace la nouvelle ligne), et la première chaîne capturée sera "<literal>et</literal>". </para> <para> Afin d'effectuer la recherche, PCRE va essayer d'appliquer le masque à partir de chaque début de ligne. Si vous utilisez un tel masque avec des chaînes qui ne contiennent pas de caractères de nouvelles lignes, les meilleures performances seront atteintes avec l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link>, ou en ancrant le masque avec <literal>^.*</literal>. Cela évite à PCRE de scanner toute la chaîne pour rechercher un caractère de nouvelle ligne et recommencer la recherche. </para> <para> Attention aux masques qui contiennent des quantificateurs infinis imbriqués. Ils peuvent demander un temps de calcul très long, lorsqu'appliqués à une chaîne qui ne correspond pas à ce masque. Par exemple, <literal>(a+)*</literal> peut accepter "<literal>aaaa</literal>" de 33 manières différentes, et ce nombre croit rapidement avec la taille de la chaîne (le quantificateur <literal>*</literal> peut prendre les valeurs de 0, 1, 2, 3, ou 4, et pour chaque cas non nul, le quantificateur <literal>+</literal> peut prendre différentes valeurs). </para> <para> Lorsque le reste de la chaîne est tel que l'on s'achemine vers un échec, PCRE doit en principe vérifier toutes les possibilités, et cela prend un temps extrêmement long. Un optmiseur repère les cas les plus simples, tel que <literal>(a+)*b</literal> où un caractère simple suit les quantificateurs. Avant de partir dans les procédures standard de recherche, PCRE s'assure qu'il y a au moins un "<literal>b</literal>" dans la chaîne, et si ce n'est pas le cas, l'échec est annoncé immédiatement. Sinon, il n'y a pas d'optimisation dans la recherche. Vous pouvez voir la différence de comportement avec le masque suivant : <literal>(a+)*\d</literal>. Le premier retourne un échec quasi-immédiatement, s'il est appliqué à une ligne de "<literal>a</literal>", alors que le second masque prend un temps significatif pour une chaîne de plus de 20 caractères. </para> </refsect2> </refsect1> </refentry> <!-- Keep this comment at the end of the file Local variables: mode: sgml sgml-omittag:t sgml-shorttag:t sgml-minimize-attributes:nil sgml-always-quote-attributes:t sgml-indent-step:1 sgml-indent-data:t indent-tabs-mode:nil sgml-parent-document:nil sgml-default-dtd-file:"../../../../manual.ced" sgml-exposed-tags:nil sgml-local-catalogs:nil sgml-local-ecat-files:nil End: vim600: syn=xml fen fdm=syntax fdl=2 si vim: et tw=78 syn=sgml vi: ts=1 sw=1 -->
http://cvs.php.net/diff.php/phpdoc-fr/reference/pcre/reference.xml?r1=1.5&r2=1.6&ty=u Index: phpdoc-fr/reference/pcre/reference.xml diff -u phpdoc-fr/reference/pcre/reference.xml:1.5 phpdoc-fr/reference/pcre/reference.xml:1.6 --- phpdoc-fr/reference/pcre/reference.xml:1.5 Wed Feb 25 07:39:28 2004 +++ phpdoc-fr/reference/pcre/reference.xml Thu Mar 11 08:27:07 2004 @@ -1,5 +1,5 @@ <?xml version="1.0" encoding="iso-8859-1"?> -<!-- $Revision: 1.5 $ --> +<!-- $Revision: 1.6 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <reference id="ref.pcre"> <title>Expressions régulières compatibles Perl</title> @@ -103,6 +103,8 @@ </section> </partintro> +&reference.pcre.pattern.modifiers; +&reference.pcre.pattern.syntax; &reference.pcre.functions; </reference> http://cvs.php.net/co.php/phpdoc-fr/reference/pcre/pattern.modifiers.xml?r=1.1&p=1 Index: phpdoc-fr/reference/pcre/pattern.modifiers.xml +++ phpdoc-fr/reference/pcre/pattern.modifiers.xml <?xml version="1.0" encoding="iso-8859-1"?> <!-- $Revision: 1.1 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <refentry id="pcre.pattern.modifiers"> <refnamediv> <refname>options de recherche</refname> <refpurpose> Options disponibles pour les expressions régulières. </refpurpose> </refnamediv> <refsect1> <title>Description</title> <para> Les options de PCRE sont listées ci-dessous. Les noms entre parenthèses sont les noms internes à PCRE. </para> <para> <blockquote> <variablelist> <varlistentry> <term><emphasis>i</emphasis> (PCRE_CASELESS)</term> <listitem> <simpara> Effectue une recherche insensible à la casse. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>m</emphasis> (PCRE_MULTILINE)</term> <listitem> <simpara> Par défaut, PCRE traite la chaîne sujet comme une seule ligne (même si cette chaîne contient des retours chariot). Le méta-caractère "début de ligne" (^) ne sera valable qu'une seule fois, au début de la ligne, et le méta caractère "fin de ligne " ($) ne sera valable qu'à la fin de la chaîne, ou avant le retour chariot final (à moins que l'option D ne soit activée). C'est le même fonctionnement qu'en Perl. </simpara> <simpara> Lorsque cette option est activée, " début de ligne " et " fin de ligne " correspondront alors aux caractères suivant et précédent immédiatement un caractère de nouvelle ligne, en plus du début et de la fin de la chaîne. C'est le même fonctionnement que l'option Perl /m. S'il n'y a pas de caractère de nouvelle ligne "\n" dans la chaîne sujet, ou s'il n'y a aucune occurrence de ^ ou $ dans le masque, cette option ne sert à rien. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>s</emphasis> (PCRE_DOTALL)</term> <listitem> <simpara> Avec cette option, le méta caractère point (.) remplace n'importe quel caractère, y compris les nouvelles lignes. Sans cette option, le caractère point ne remplace pas les nouvelles lignes. Cette option est équivalente à l'option Perl /s. Une classe de caractères négative telle que [^a] acceptera toujours les caractères de nouvelles lignes, indépendamment de cette option. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>x</emphasis> (PCRE_EXTENDED)</term> <listitem> <simpara> Avec cette option, les caractères d'espacement sont ignorés, sauf lorsqu'ils sont échappés, ou à l'intérieur d'une classe de caractères, et tous les caractères entre # non échappés et en dehors d'une classe de caractères, et le prochain caractère de nouvelle ligne sont ignorés. C'est l'équivalent Perl de l'option /x : elle permet l'ajout de commentaires dans les masques compliqués. Notez bien, cependant, que cela ne s'appliquent qu'aux caractères de données. Les caractères d'espacement ne doivent jamais apparaître dans les séquences spéciales d'un masque, comme par exemple dans la séquence (?( qui introduit une parenthèse conditionnelle. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>E</emphasis></term> <listitem> <simpara> Avec cette option, <function>preg_replace</function> effectue la substitution normale des références arrières dans la chaîne de remplacement, puis l'évalue comme un code PHP, et utilise le résultat pour remplacer la chaîne de recherche. </simpara> <simpara> Seule <function>preg_replace</function> utilise cette option. Elle est ignorée par les autres. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>A</emphasis> (PCRE_ANCHORED)</term> <listitem> <simpara> Avec cette option, le masque est ancré de force, c'est-à-dire que le masque doit s'appliquer juste au début de la chaîne sujet pour être considéré comme trouvé. Il est possible de réaliser le même effet en ajoutant les méta-caractères adéquats, ce qui est la seule manière de le faire en Perl. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>E</emphasis> (PCRE_DOLLAR_ENDONLY)</term> <listitem> <simpara> Avec cette option, le méta-caractère $ ne sera valable qu'à la fin de la chaîne sujet. Sans cette option, $ est aussi valable avant une nouvelle ligne, si cette dernière est le dernier caractère de la chaîne. Cette option est ignorée si l'option <emphasis>m</emphasis> est activée. Il n'y a pas d'équivalent en Perl. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>S</emphasis></term> <listitem> <simpara> Lorsqu'un masque est utilisé plusieurs fois, cela vaut la peine de passer quelques instants de plus pour l'analyser et optimiser le code pour accélérer les traitements ultérieurs. Cette option force cette analyse plus poussée. Actuellement, cette analyse n'est utile que pour les masques non ancrés, qui ne commencent pas par un caractère fixe. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>U</emphasis> (PCRE_UNGREEDY)</term> <listitem> <simpara> Cette option inverse la tendance à la gourmandise des expressions régulières. Vous pouvez aussi inverser cette tendance au coup par coup avec un ?. De même, si cette option est activée, le <literal>?</literal> rendra gourmand une séquence. Cette option n'est pas compatible avec Perl. Elle peut aussi être mise dans le masque avec l'option <literal>?U</literal>. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>X</emphasis> (PCRE_EXTRA)</term> <listitem> <simpara> Cette option ajoute d'autres fonctionnalités incompatible avec le PCRE de Perl. Tous les antislash suivis d'une lettre qui n'aurait pas de signification particulière cause une erreur, permettant la réservation de ces combinaisons pour des ajouts fonctionnels ultérieurs. Par défaut, comme en Perl, les antislash suivis d'une lettre sans signification particulière sont traités comme des valeurs littérales. Actuellement, cette option ne déclenche pas d'autres fonctions. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>u</emphasis> (PCRE_UTF8)</term> <listitem> <simpara> Cette option désactive les fonctionnalités additionnelles de PCRE qui ne sont pas compatibles avec Perl. Les chaînes sont traitées comme des chaînes UTF-8. Cette option est disponible en PHP 4.1.0 et plus récent. </simpara> </listitem> </varlistentry> </variablelist> </blockquote> </para> </refsect1> </refentry> <!-- Keep this comment at the end of the file Local variables: mode: sgml sgml-omittag:t sgml-shorttag:t sgml-minimize-attributes:nil sgml-always-quote-attributes:t sgml-indent-step:1 sgml-indent-data:t indent-tabs-mode:nil sgml-parent-document:nil sgml-default-dtd-file:"../../../../manual.ced" sgml-exposed-tags:nil sgml-local-catalogs:nil sgml-local-ecat-files:nil End: vim600: syn=xml fen fdm=syntax fdl=2 si vim: et tw=78 syn=sgml vi: ts=1 sw=1 --> http://cvs.php.net/co.php/phpdoc-fr/reference/pcre/pattern.syntax.xml?r=1.1&p=1 Index: phpdoc-fr/reference/pcre/pattern.syntax.xml +++ phpdoc-fr/reference/pcre/pattern.syntax.xml <?xml version="1.0" encoding="iso-8859-1"?> <!-- $Revision: 1.1 $ --> <!-- EN-Revision: 1.1 Maintainer: nobody Status: partial --> <refentry id="pcre.pattern.syntax"> <refnamediv> <refname>syntaxe des masques</refname> <refpurpose> Fonctionnement des expressions régulières. </refpurpose> </refnamediv> <refsect1> <title>Description</title> <para> La bibliothèque PCRE est un ensemble de fonctions qui implémentent la recherche par expressions régulières, en utilisant la même syntaxe et la même sémantique que le Perl 5, avec quelques nuances (voir ci-dessous). L'implémentation actuelle est celle de Perl 5.005. </para> </refsect1> <refsect1> <title>Différences avec Perl</title> <para> Les différences avec le Perl 5.005 sont présentée ici : <orderedlist> <listitem> <simpara> Par défaut, un caractère d'espacement correspond à n'importe quel caractère que la fonction C isspace() reconnaît, bien qu'il soit possible de recompiler la bibliothèque PCRE avec d'autres tables de caractères. Normalement, isspace() retourne &true; pour les espaces, les retours chariot, les nouvelles lignes, les formfeed, les tabulations verticales et horizontales. Le Perl 5 n'accepte plus la tabulation verticale comme caractère d'espacement. La séquence \v qui était dans la documentation Perl depuis longtemps n'a jamais été reconnue. Cependant, la tabulation verticale elle-même était reconnue comme un caractère d'espacement jusqu'à la version 5.002. Avec les version 5.004 et 5.005, l'option \s l'ignore. </simpara> </listitem> <listitem> <simpara> PRCE ne tolère pas la répétition de quantificateurs dans les expressions. Perl le permet, mais cela ne signifie pas ce que vous pourriez penser. Par exemple, (?!a){3} ne s'interprète pas : les trois caractères suivants ne sont pas des "a". En fait, cela s'interprète comme : le caractère suivant n'est pas "a" trois fois. </simpara> </listitem> <listitem> <simpara> Les occurrences de sous-masques qui interviennent dans des assertions négatives sont comptées, mais elles ne sont pas enregistrées dans le vecteur d'occurrences. Perl modifie ses variables numériques pour toutes les occurrences de sous-masque, avant que l'assertion ne vérifie le masque entier, et uniquement si les sous-masques ne trouvent qu'une seule occurrence. </simpara> </listitem> <listitem> <simpara> Bien que les caractères nul soient tolérés dans la chaîne de recherche, ils ne sont pas acceptés dans le masque, car le masque est utilisé comme une chaîne C standard, terminée par le caractère nul. Il faut donc utiliser la séquence d'échappement "\0" dans le masque pour rechercher les caractères nul. </simpara> </listitem> <listitem> <simpara> Les séquence d'échappement suivantes ne sont pas supportées par le Perl: \l, \u, \L, \U, \E, \Q. En fait, elles sont implémentées par la gestion intrinsèque de chaînes du Perl, et ne font pas partie de ses caractères spéciaux. </simpara> </listitem> <listitem> <simpara> L'assertion \G du Perl n'est pas supportée car elle n'est pas pertinente pour faire des recherches avec des masques uniques. </simpara> </listitem> <listitem> <simpara> De manière assez évidente, PCRE n'accepte pas la construction <literal>(?{code})</literal>. </simpara> </listitem> <listitem> <simpara> Au moment de l'écriture de PCRE, Perl 5.005_02 avait quelques comportements étranges avec la capture des chaînes lorsqu'une partie du masque est redoublée. Par exemple, "aba" avec le masque /^(a(b)?)+$/ va affecter à $2 la valeur "b", mais la même manipulation avec "aabbaa" et /^(aa(bb)?)+$/ laissera $2 vide. Cependant, si le masque est remplacé par /^(aa(b(b))?)+$/ alors $2 (et d'ailleurs $3) seront correctement affectés. Avec le Perl 5.004, $2 sera correctement affecté dans les deux cas, et c'est aussi vrai avec PCRE. Si Perl évolue vers un autre comportement cohérent, PCRE s'adaptera probablement. </simpara> </listitem> <listitem> <simpara> Une autre différence encore non résolue est le fait qu'en Perl 5.005_02 le masque /^(a)?(?(1)a|b)+$/ accepte la chaîne "a", tandis que PCRE ne l'accepte pas. Cependant, que ce soit avec Perl ou PCRE /^(a)?a/ et "a" laisseront $1 vide. </simpara> </listitem> <listitem> <para> PCRE propose quelques extensions aux expressions régulières du Perl. <orderedlist> <listitem> <simpara> (a) Bien que les assertions avec retour (lookbehind) soit obligée d'apparier une chaîne de longueur fixe, toutes les assertions avec retour peuvent avoir une longueur différente. Perl 5.005 leur impose d'avoir toutes la même longueur. </simpara> </listitem> <listitem> <simpara> (b) Si <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> est activé, et que <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> n'est pas activé, le méta caractère <literal>$</literal> ne s'applique qu'à la fin physique de la chaîne, et non pas avant les caractères de nouvelle ligne. </simpara> </listitem> <listitem> <simpara> (c) Si <link linkend="pcre.pattern.modifiers">PCRE_EXTRA</link> est activé, un antislash suivi d'une lettre sans signification spéciale est considérée comme une erreur. </simpara> </listitem> <listitem> <simpara> (d) SI <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> est activé, la "gourmandise" des quantificateurs de répétition est inversées, ce qui est rend non gourmand par défaut, mais s'ils sont suivis de ?, il seront gourmands. </simpara> </listitem> </orderedlist> </para> </listitem> </orderedlist> </para> </refsect1> <refsect1 id="regexp.reference"> <title>Détails sur les expressions régulières</title> <refsect2 id="regexp.introduction"> <title>Introduction</title> <simpara> La syntaxe et la sémantique des expressions régulière supportées par PCRE sont décrites ci-dessous. Les expressions régulières sont aussi décrites dans la documentation Perl, et dans un grand nombre d'autres livres, avec de nombreux exemples. Jeffrey Friedl's "Mastering Regular Expressions", édité chez O'Reilly (ISBN 1-56592-257-3), les décrits en profondeur. Cette description est organisée comme une documentation de référence. </simpara> <simpara> Une expression régulière est un masque, appliqué à une chaîne sujet, de gauche à droite. La plupart des caractères se représentent eux-mêmes. Un exemple trivial : un masque qui serait "<literal>Le rapide renard gris</literal>", pourra correspondre à une partie de la chaîne sujet qui sera identique au masque, comme par exemple "<literal>Le rapide renard gris court dans la forêt</literal>", </simpara> </refsect2> <refsect2 id="regexp.reference.meta"> <title>Méta-caractères</title> <para> La puissance des expressions régulières provient de leur capacité à autoriser des alternatives et des quantificateurs de répétition dans le masque. Ils sont encodés dans le masque par des méta-caractères, qui ne représentent pas ce qu'ils sont, mais sont interprétés d'une certaine manière. </para> <para> Il y a deux sortes de méta-caractères : ceux qui sont reconnus n'importe où dans un masque, hormis entre crochets, et ceux qui sont reconnus entre crochets. </para> <para> A l'extérieur des crochets, les méta caractères sont : <variablelist> <varlistentry> <term><emphasis>\</emphasis> antislash</term> <listitem> <simpara> Caractère d'échappement, avec de multiples usages </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>^</emphasis> Accent circonflexe</term> <listitem> <simpara> Le début de la chaîne sujet (ou de ligne, en mode multiligne) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>$</emphasis> Dollar</term> <listitem> <simpara> La fin de la chaîne sujet (ou de ligne, en mode multiligne) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>.</emphasis> Point</term> <listitem> <simpara> Remplace n'importe quel caractère, hormis le caractère de nouvelle ligne (par défaut) ; </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>[</emphasis> Crochet ouvrant</term> <listitem> <simpara> Caractère de début de définition de classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>]</emphasis> Crochet fermant</term> <listitem> <simpara> Caractère de fin de définition de classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>|</emphasis> Barre verticale</term> <listitem> <simpara> Caractère de début d'alternative </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>(</emphasis> Parenthèse ouvrante</term> <listitem> <simpara> Caractère de début de sous-masque </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>)</emphasis> Parenthèse fermante</term> <listitem> <simpara> Caractère de fin de sous-masque </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>?</emphasis> Point d'interrogation</term> <listitem> <simpara> Etend le sens de (; quantificateur de 0 ou 1; quantificateur de minimisation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>*</emphasis> Etoile</term> <listitem> <simpara> Quantificateur de 0 ou plus </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>+</emphasis> Plus</term> <listitem> <simpara> Quantificateur de 1 ou plus </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>{</emphasis> Accolade ouvrante</term> <listitem> <simpara> Caractère de début de quantificateur minimum/maximum </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>}</emphasis> Accolade fermante</term> <listitem> <simpara> Caractère de fin de quantificateur minimum/maximum </simpara> </listitem> </varlistentry> </variablelist> </para> <para> La partie du masque qui est entourée de crochet et appelé une classe de caractères. Dans les classes de caractères, les seuls méta caractères autorisés sont : <variablelist> <varlistentry> <term><emphasis>\</emphasis> Antislash</term> <listitem> <simpara> Caractère d'échappement, avec de multiples usages </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>^</emphasis> Accent circonflexe</term> <listitem> <simpara> Négation de la classe, mais uniquement si placé tout au début de la classe </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>-</emphasis> Moins</term> <listitem> <simpara> Indique un intervalle de caractères </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>]</emphasis> Crochet fermant</term> <listitem> <simpara> Termine la classe de caractères </simpara> </listitem> </varlistentry> </variablelist> La section suivante décrit l'utilisation de chaque méta-caractères. </para> </refsect2> <refsect2 id="regexp.reference.backslash"> <title>Antislash</title> <para> Le caractère antislash a de nombreuses utilisations. </para> <para> En premier lieu, s'il est suivi d'un caractère non alpha-numérique, il ne prendra pas la signification spéciale qui y est rattachée. Cette utilisation de l'antislash comme caractère d'échappement s'applique à l'intérieur et à l'extérieur des classes de caractères. Par exemple, pour recherche le caractère étoile "<literal>*</literal>", il faut écrire dans le masque : "<literal>\*</literal>". Cela s'applique dans tous les cas, que le caractère qui suive soit un méta-caractère ou non. C'est un moyen sûr pour s'assurer qu'un caractère sera recherché pour sa valeur littérale, plutôt que pour sa valeur spéciale. En particulier, pour rechercher les antislash, il faut écrire : "<literal>\\</literal>". </para> <para> Si un masque est utilisé avec l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link>, les espaces blancs du masque, mais qui ne sont pas dans une classe de caractères, et les caractères entre dièses "<literal>#</literal>", ainsi que les nouvelles lignes sont ignorées. L'antislash peut être utilisé pour échapper et ainsi rechercher un espace ou un dièse. </para> <para> La deuxième utilité de l'antislash est de pouvoir coder des caractères invisibles dans les masques. Il n'y a pas de restriction sur la place de ces caractères invisibles, hormis pour le caractère nul qui doit terminer le masque. </para> <para> Lors de la préparation du masque, il est souvent plus pratique d'utiliser les séquences d'échappement suivantes, plutôt que le caractère binaire qu'elle représente : <variablelist> <varlistentry> <term><emphasis>\a</emphasis></term> <listitem> <simpara> alarme, c'est-à-dire le caractère BEL (hex 07) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\cx</emphasis></term> <listitem> <simpara> "control-x", avec x qui peut être n'importe quel caractère. </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\e</emphasis></term> <listitem> <simpara> escape (hex 1B) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\f</emphasis></term> <listitem> <simpara> formfeed (hex 0C) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\n</emphasis></term> <listitem> <simpara> nouvelle ligne (hex 0A) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\r</emphasis></term> <listitem> <simpara> retour chariot (hex 0D) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\t</emphasis></term> <listitem> <simpara> tabulation (hex 09) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\xhh</emphasis></term> <listitem> <simpara> caractère en hexadécimal, de code hh </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\ddd</emphasis></term> <listitem> <simpara> caractère en octal, de code ddd, ou référence arrière </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Dans la séquence "<literal>\cx</literal>" si "<literal>x</literal>" est en minuscule, il est converti en majuscule. Puis, le bit 6 (hex 40) est inversé. Ainsi "<literal>\cz</literal>" devient <literal>1A</literal>, mais "<literal>\c{</literal>" devient hex 3B, tandis que "<literal>\c;</literal>" devient hex 7B. </para> <para> Après "<literal>\x</literal>", deux caractères hexadécimaeux sont lus (les lettres peuvent être en majuscule ou minuscule). </para> <para> Après "<literal>\0</literal>", deux caractères octal sont lus. Dans chacun des cas, le méta-caractère tente de lire autant de caractère que possible. Ainsi la séquence "<literal>\0\x\07</literal>", sera comprise comme deux caractères nuls, suivi d'un caractère alarme (BEL). Assurez-vous que vous fournissez suffisamment de chiffres après le méta-caractère. </para> <para> La gestion de la séquence "<literal>\y</literal>", avec y <> 0 est plutôt compliquée. En dehors des caractères de classes, PCRE va lire y et tous les caractères qui suivent comme des chiffres décimaux. Si y est plus petit que 10, ou bien s'il y a déjà eu au moins autant de parenthèses ouvrantes auparavant, la séquence est prise pour une référence arrière. Le détail sera vu ultérieurement, après la section sur les sous-masques. </para> <para> A l'intérieur d'un caractère de classe, ou si y est plus grand que 10, et qu'il n'y a pas eu assez de parenthèses ouvrantes auparavant, PCRE lis jusqu'à 3 chiffres octals à la suite de l'antislash, et génère un octet unique, à partir des 8 bits de poids faible de la séquence. Tous les chiffres qui suivent ne sont pas interprétés, et se representent eux-mêmes. Par exemple: <variablelist> <varlistentry> <term><emphasis>\040</emphasis></term> <listitem> <simpara> une autre manière d'écrire un espace </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\40</emphasis></term> <listitem> <simpara> identique, dans la mesure où il n'y a pas 40 parenthèses ouvrantes auparavant </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\7</emphasis></term> <listitem> <simpara> est toujours une référence arrière </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\11</emphasis></term> <listitem> <simpara> peut être une référence de retour, ou une tabulation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\011</emphasis></term> <listitem> <simpara> toujours une tabulation </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\0113</emphasis></term> <listitem> <simpara> est une tabulation suivi du caractère "3" </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\113</emphasis></term> <listitem> <simpara> est le caractère 113 (étant donné qu'il ne peut y avoir plus de 99 références arrières) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\377</emphasis></term> <listitem> <simpara> est un octet dont tous les bits sont à 1 </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\0113</emphasis></term> <listitem> <simpara> peut être soit une référence arrière, soit le caractère &null;, suivi des caractères "8" et "1" </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Les valeurs octales supérieures ou égales à 100 ne doivent pas être introduites par un 0, car seuls les trois premiers octets seront lus. </para> <para> Toutes les séquences qui définissent une valeur d'un seul octet peuvent être utilisé dans les classes de caractères, et à l'extérieur. De plus, dans une classe de caractères, la séquence "<literal>\b</literal>" est interprétée comme un caractère effacer (backspace, hex 08). A l'extérieur d'une classe de caractères, il peut avoir d'autres significations (voir ci-dessous). </para> <para> On peut encore se servir de l'antislash pour préciser des types génériques de valeurs : <variablelist> <varlistentry> <term><emphasis>\d</emphasis></term> <listitem> <simpara> tout caractère décimal </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\D</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère décimal </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\s</emphasis></term> <listitem> <simpara> tout caractère blanc </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\S</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère blanc </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\w</emphasis></term> <listitem> <simpara> tout caractère de "mot" </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\W</emphasis></term> <listitem> <simpara> tout caractère qui n'est pas un caractère de "mot" </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Chaque paire précédente définit une partition de la table des caractères : les deux ensembles sont disjoints. Un caractère satisfera soit un méta-caractère, soit l'autre. </para> <para> Un caractère de "mot" sera une lettre, un chiffre ou le caractère souligné, c'est-à-dire un caractère qui pourra être une partie d'un mot Perl. La définition des lettres et chiffres est définie par les tables de caractères de PCRE, et peut varier suivant la table locale de caractère (voir "Tables de caractères locales ", ci-dessus. Par exemple, dans la configuration français ("fr"), certains caractères ont des codes supérieurs à 128, pour les caractères accentués, et ils seront compris par le méta caractère <literal>\w</literal>. </para> <para> Ces séquences de caractères peuvent apparaître à l'intérieur ou à l'extérieur des classes de caractères. Elles remplacent à chaque fois un caractère du type correspondant. Si cette séquence est placée en fin de masque, et qu'il n'y a plus de caractère à comparer dans la chaîne sujet, la recherche échoue. </para> <para> La quatrième utilisation de l'antislash intervient lors d'assertions simples. Une assertion impose une condition à un certain point, sans remplacer de caractère. L'utilisation de sous-masques pour réaliser des assertions plus complexes est décrites plus-bas. Les assertions avec antislash sont les suivantes : <variablelist> <varlistentry> <term><emphasis>\b</emphasis></term> <listitem> <simpara> limite de mot </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\B</emphasis></term> <listitem> <simpara> pas limite de mot </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\A</emphasis></term> <listitem> <simpara> début de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\Z</emphasis></term> <listitem> <simpara> fin de la chaîne sujet ou nouvelle ligne à la fin de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\z</emphasis></term> <listitem> <simpara> fin de la chaîne sujet (indépendant du mode multi-lignes) </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Ces assertions ne peuvent pas apparaître dans une classe de caractères (mais "\b" a une autre signification à l'intérieur d'une classe de caractères). </para> <para> Une limite de mot est un emplacement dans la chaîne sujet ou un caractère et son suivant ne sont pas en même temps des caractères de mot, ou le contraire (on peut le voir comme <literal>\w\W</literal> ou <literal>\W\w</literal>), ou encore le premier ou le dernier caractère est un caractère mot. </para> <para> Les assertions <literal>\A</literal>, <literal>\Z</literal>, et <literal>\z</literal> diffèrent des méta caractères <literal>^</literal> et <literal>$</literal> dans la mesure où ils ne sont pas dépendants des options, notamment <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> ou <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link>. La différence entre <literal>\Z</literal> et <literal>\z</literal> tient au fait que <literal>\Z</literal> recherche les positions avant les nouvelles lignes et à la fin de la chaîne sujet, tandis que <literal>\z</literal> ne recherche que la fin de la chaîne. </para> </refsect2> <refsect2 id="regexp.reference.circudollar"> <title>Accent circonflexe et Dollar</title> <para> En dehors d'une classe de caractères, avec les options par défaut, <literal>^</literal> est une assertion qui n'est vraie que si elle est placée tout au début de la chaîne. A l'intérieur d'une classe de caractères, <literal>^</literal> a un tout autre sens (voir ci-dessous). </para> <para> <literal>^</literal> n'a pas besoin d'être le premier caractère du masque, si plusieurs alternatives sont proposées, mais il doit être placé en premier dans chaque alternative. Si toutes les alternatives commencent par <literal>^</literal>, alors le masque est dit ancré (il y a une autre construction qui porte cette appellation). </para> <para> <literal>$</literal> est une assertion qui n'est vraie que si elle est placée tout en fin de chaîne ou juste avant un caractère de nouvelle ligne qui serait le dernier caractère de la chaîne. A l'intérieur d'une classe de caractères, <literal>$</literal> a un tout autre sens (voir ci-dessous). </para> <para> <literal>$</literal> n'a pas besoin d'être le dernier caractère du masque, si plusieurs alternatives sont proposées, mais il doit être placé en dernier dans chaque alternative. Si toutes les alternatives finissent par <literal>$</literal>, alors le masque est dit ancré (il y a une autre construction qui porte cette appellation). <literal>$</literal> n'a pas de valeur particulière dans une classe de caractères. </para> <para> La signification de <literal>$</literal> peut changer, de manière à l'amener à ce qu'il ne puisse se trouver qu'en toute fin de la chaîne sujet. Cela se fait en ajoutant l'option <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> au moment de la compilation, ou de l'exécution. Cette option est inopérante sur <literal>\Z</literal>. </para> <para> La signification de <literal>^</literal> peut changer, de manière à l'amener à ce qu'il puisse se trouver immédiatement avant et immédiatement après un caractère de nouvelle ligne "<literal>\n</literal>". Cela se fait en ajoutant l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> au moment de la compilation ou de l'exécution. Par exemple, le masque <literal>/^abc$/</literal> accepte la chaîne "<literal>def\nabc</literal>" uniquement en mode multi-lignes. Par conséquent, toutes les parties du masques qui commencent par "<literal>^</literal>" ne sont pas ancrées, en mode multi-lignes. L'option <link linkend="pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link> est ignorée si l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> est choisie. </para> <para> Notez que les méta caractères <literal>\A</literal>, <literal>\Z</literal>, et <literal>\z</literal> peuvent servir à répérer le début et la fin du sujet, et toutes les parties du masque qui commenceront par <literal>\A</literal> seront toujours ancrées, avec l'option <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> ou non. </para> </refsect2> <refsect2 id="regexp.reference.dot"> <title>Point</title> <simpara> En dehors d'une classe de caractères, un point remplace n'importe quel caractère, même invisible et à l'exception du caractère de nouvelle ligne. Avec l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> le point remplace n'importe quel caractère, même le caractère de nouvelle ligne. La gestion des points et complètement indépendante de <literal>^</literal> et <literal>$</literal>. Le seul point commun est que les deux ont un comportement particulier vis à vis des caractère de nouvelle ligne. </simpara> <simpara> Le point n'a pas de comportement particulier dans une classe de caractères. </simpara> </refsect2> <refsect2 id="regexp.reference.squarebrackets"> <title>Crochets</title> <para> Un crochet ouvrant <literal>[</literal> introduit une classe de caractères, et le crochet fermant <literal>]</literal>la conclut. Le crochet fermant n'a pas de signification en lui-même. Si le crochet fermant est nécessaire à l'intérieur d'une classe de caractères, il faut qu'il soit le premier caractère (après un <literal>^</literal> éventuel) ou échappé avec un antislash. </para> <para> Une classe de caractères remplace un seul caractère dans la chaîne sujet, à moins que le premier caractère de la classe soit un accent circonflexe <literal>^</literal>, qui représente une négation : le caractère ne doit pas se trouver dans la classe. Si <literal>^</literal> est nécessaire dans la classe, il suffit qu'il ne soit pas le premier caractère, ou bien qu'il soit échappé avec un antislash. </para> <para> Par exemple, le caractère <literal>[aeiou]</literal> remplace n'importe quelle voyelle minuscule, tandis que <literal>[^aeiou]</literal> remplace n'importe quelle caractère qui n'est pas une voyelle minuscule. <literal>^</literal> est une notation pratique pour spécifier des caractères qui sont dans une classe, en ne citant que ceux qui n'y sont pas. Le comportement est inchangé. </para> <para> Avec l'option d'insensibilité à la casse, toutes les lettres d'une classe de caractères représentent en même temps la majuscule et la minuscule. Par exemple, <literal>[aeiou]</literal> représentera "<literal>A</literal>" ou "<literal>a</literal>", et <literal>[^aeiou]</literal> n'acceptera pas ni "<literal>A</literal>", tandis que sans l'option, elle l'accepterait. </para> <para> Le caractère de nouvelle ligne n'est pas traité de manière spéciale dans les classes de caractères, quelque soit l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> ou <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link>. Une classe telle que <literal>[^a]</literal> acceptera toujours une nouvelle ligne. </para> <para> Le signe moins (<literal>-</literal>) est utilisé pour spécifier un intervalle de caractères, dans une classe. Par exemple, <literal>[d-m]</literal> remplace toutes les lettres entre d et m inclus. Si le caractère moins est requis dans une classe, il faut l'échapper avec un antislash, ou le faire apparaître à une position où il ne pourra pas être interprété comme une indication d'intervalle, c'est-à-dire au début ou à la fin de la classe. </para> <para> Il n'est pas possible d'avoir le caractère crochet fermant "<literal>]</literal>" comme fin d'intervalle. Un masque tel que <literal>[W-]46]</literal> est compris comme la classe de caractères contenant deux caractères ("W" et "-") suivi de la chaîne littérale "46]", ce qui fait qu'il va accepter "<literal>W46]</literal>" ou "<literal>-46]</literal>". Cependant, si "<literal>]</literal>" est échappé avec un antislash, le masque <literal>[W-\]46]</literal> est interprété comme une classe d'un seul caractère, contenant un intervalle de caractères. </para> <para> La valeur octale ou hexadécimale de "<literal>]</literal>" peut aussi être utilisée pour déterminer les limites de l'intervalle. Les intervalles travaillent sur des séquences ASCII. Ils peuvent aussi être précisées avec des valeurs numériques, par exemple "<literal>[\000-\037]</literal>". Si cet intervalle inclut des lettres utilisées avec une option d'insensibilité de casse, les majuscules ou minuscules correspondantes seront aussi incluses. Par exemple, "<literal>[C-c]</literal>" est équivalent é "<literal>[][\^_`wxyzabc]</literal>", avec l'option d'insensibilité de casse. Si la table locale de caractères est "fr", "<literal>[\xc8-\xcb]</literal>" correspond aux caractères accentués. </para> <para> Les types de caractères <literal>\d</literal>, <literal>\D</literal>, <literal>\S</literal>, <literal>\s</literal>, <literal>\w</literal>, <literal>\W</literal> peuvent aussi intervenir dans les classes de caractères. Par exemple, "<literal>[][\^_`wxyzabc][\dABCDEF]</literal>" acceptera n'importe quel caractère hexadécimal. Un accent circonflexe peut aussi être utilisé pour spécifier adroitement des ensembles de caractères plus restrictifs : par exemple <literal>[^\W_]</literal> accepte toutes les lettres et les chiffres, mais pas les soulignés. Tous les caractères non alpha- numériques autres que <literal>\, -, ^</literal> (placés en début de chaîne) et <literal>]</literal> n'ont pas de signification particulière, mais ils ne perdront rien à être échappés. </para> </refsect2> <refsect2 id="regexp.reference.verticalbar"> <title>Barre verticale</title> <para> La barre verticale <literal>|</literal> sert à séparer des alternatives. Par exemple, dans le masque "<literal>/dupont|martin/</literal>" recherche soit "<literal>dupont</literal>", soit "<literal>martin</literal>". Le nombre d'alternatives n'est pas limité, et il est même possible d'utiliser la chaîne vide. Lors de la recherche, toutes les alternatives sont essayées, de gauche à droite, et la première qui est acceptée est utilisée. </para> <para> Si les alternatives sont dans un sous-masque, elle ne réussiront que si le masque principal réussi aussi. </para> </refsect2> <refsect2 id="regexp.reference.internal-options"> <title>Options internes</title> <para> Les options <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link>, <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link>, <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> peuvent être changée à l'intérieur du masque lui-même, avec des séquences mises entre "<literal>(?</literal>" et "<literal>)</literal>". Les options sont : <variablelist> <varlistentry> <term><emphasis>i</emphasis></term> <listitem> <simpara> PCRE_CASELESS </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>m</emphasis></term> <listitem> <simpara> PCRE_MULTILINE </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>s</emphasis></term> <listitem> <simpara> PCRE_DOTALL </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>x</emphasis></term> <listitem> <simpara> PCRE_EXTENDED </simpara> </listitem> </varlistentry> </variablelist> Par exemple, <literal>(?im)</literal> rend le masque insensible à la casse, et multi-lignes. Il est possible d'annuler ces options en les faisant précéder par un signe <literal>-</literal> : par exemple <literal>(?im-sx)</literal>, ajoutera les options <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link> et <link linkend="pcre.pattern.modifiers">PCRE_MULTILINE</link> mais annulera les options <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link>. Si une option apparaît avant et après le signe moins, l'option sera annulée. </para> <para> Le domaine d'application de ces options dépend de la position de la séquence d'option. Pour toutes les séquences d'options qui sont hors des sous-masques (définis plus loin), l'effet est le même que si l'option avait été fixée dès le début de la recherche. Les exemples suivants se comportent tous de la même façons : <literal>(?i)abc</literal>, <literal>a(?i)bc</literal>, <literal>ab(?i)c</literal>, <literal>abc(?i)</literal>, et sont parfaitement équivalents au masque <literal>abc</literal> avec l'option <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link>. En d'autres termes, activer des séquences d'options dans le corps principal du masque revient à appliquer l'option à tout le masque, sauf ordre contraire dans les sous-masques. S'il y a plusieurs séquences d'options qui portent sur la même option, la dernière s'appliquera. </para> <para> Si une option intervient dans un sous-masque, le comportement est différent. C'est un changement de comportement apparu en Perl 5.005. Une option à l'intérieur d'un sous-masque n'affecte que cette partie du masque, ce qui fait que <literal>(a(?i)b)c</literal> acceptera <literal>abc</literal> et <literal>aBc</literal> mais aucune autre chaîne (en supposant que <link linkend="pcre.pattern.modifiers">PCRE_CASELESS</link> n'est pas utilisé). Cela signifie que les options permettent d'avoir différente configuration de recherche pour différentes parties du masque. </para> <para> Une séquence d'options dans une alternative affecte toute l'alternative. Par exemple : <literal>(a(?i)b|c)</literal> accepte "<literal>ab</literal>", "<literal>aB</literal>", "<literal>c</literal>", et "<literal>C</literal>", même si, comme dans le cas de "<literal>C</literal>", la première alternative qui porte l'option n'est pas prise en compte. Sinon, cela risque d'introduire des comportements très étranges : les options spécifiques à PCRE telles que <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> et <link linkend="pcre.pattern.modifiers">PCRE_EXTRA</link> peuvent être modifiées de la même manière, en utilisant respectivement les caractères U et X. L'option <literal>(?X)</literal> est particulière, car elle doit toujours intervenir avant toutes les autres options, même au niveau du masque entier. Il vaut mieux l'activer au début du masque. </para> </refsect2> <refsect2 id="regexp.reference.subpatterns"> <title>Sous-masques</title> <para> Les sous-masques sont délimités par des parenthèses, et peuvent être imbriquées. Ajouter des sous-masques a deux utilités : </para> <para> 1. Délimiter des alternatives. Par exemple, le masque <literal>char(don|mant|)</literal> acceptera les mots "<literal>char</literal>", "<literal>charmant</literal>", ou "<literal>charmant</literal>". Sans les parenthèses, il n'accepterait que "<literal>chardon</literal>", "<literal>mant</literal>" ou la chaîne vide "". </para> <para> 2. Le sous-masque est considéré comme capturant : lorsqu'une chaîne sujet est acceptée par le masque complet, les sous-masques sont transmis à l'appelant grâce à un vecteur de sous-masques. Les parenthèses ouvrantes sont comptées de gauche à droite, (commençant à 1). Par exemple, soit la chaîne sujet "<literal>le roi soleil</literal>" qui est utilisée avec le masque suivant : <literal>Le ((roi|prince) (soleil|charmant))</literal> les sous-masques capturé sont "<literal>roi soleil</literal>", "<literal>roi</literal>", et "<literal>soleil</literal>", numérotés respectivement 1, 2, et 3. </para> <para> L'ubiquité des parenthèses n'est pas toujours simple d'emploi. Il y a des moments où regrouper des sous-masques est nécessaire, sans pour autant capturer la valeur trouvée. Si une parenthèse ouvrante est suivie de "<literal>?:</literal>", le sous-masque ne capture pas la chaîne assortie, et ne sera pas compté lors de la numérotation des captures. Par exemple, avec la chaîne "<literal>le prince charmant</literal>", utilisé avec le masque <literal>Le (( ?roi|prince) (soleil|charmant))</literal> les chaînes capturées seront "<literal>prince charmant</literal>" et "<literal>charmant</literal>", numérotés respectivement 1 et 2. </para> <para> Le nombre maximal de chaîne capturées est de 99, et le nombre total de sous-masque (capturant ou non) ne doit pas dépasser 200. </para> <para> <literal>(?i:samedi|dimanche)</literal> et <literal>(?:(?i) samedi | dimanche)</literal> : De plus, comme les séquences d'options sont valables sur toute une alternative, les masques ci-dessus accepteront aussi bien "DIMANCHE" que "Dimanche". </para> </refsect2> <refsect2 id="regexp.reference.repetition"> <title>Répétitions</title> <para> Les répétitions sont spécifiées avec des quantificateurs, qui peuvent être placés à la suite des caractères suivants : <variablelist> <varlistentry> <term><emphasis>a</emphasis></term> <listitem> <simpara> Un caractère unique, même s'il s'agit d'un méta caractère </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>[abc]</emphasis></term> <listitem> <simpara> Une classe de caractères </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>\2</emphasis></term> <listitem> <simpara> Une référence de retour (Voir section suivante) </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>(a|b|c)</emphasis></term> <listitem> <simpara> Un sous-masque avec parenthèses (à moins que ce ne soit une assertion, voir plus loin) </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Les quantificateurs généraux précisent un nombre minimum et maximum de répétitions possibles, donnés par deux nombres entre accolades, et séparés par une virgule. Ces nombres doivent être plus petits que 65536, et le premier nombre doit être égal ou inférieur au second. Par exemple <literal>z{2,4}</literal> accepte "<literal>zz</literal>", "<literal>zzz</literal>", ou "<literal>zzzz</literal>". L'accolade fermante n'a pas de signification par elle-même. </para> <para> Si le second nombre est omis, mais que la virgule est là, cela signifie qu'il n'y a pas de limite supérieure. Si le second nombre et la virgule sont omis, le quantificateur correspond au nombre exact de répétition attendues. Par exemple : accepte n'importe quelle succession d'au moins 3 voyelles minuscules, tandis que <literal>\d{d}</literal> n'accepte que 8 chiffres exactement. </para> <para> Une accolade ouvrante qui apparaît à une position où un quantificateur n'est pas accepté, ou si la syntaxe des quantificateurs n'est pas respectée, sera considérée littérale. Par exemple, "<literal>{,6}</literal>" n'est pas un quantificateur, mais une chaîne de 4 caractères. </para> <para> Le quantificateur {0} est autorisé, mais l'expression est alors ignorée. <variablelist> <varlistentry> <term><emphasis>*</emphasis></term> <listitem> <simpara> équivalent à {0,} </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>+</emphasis></term> <listitem> <simpara> équivalent à {1,} </simpara> </listitem> </varlistentry> <varlistentry> <term><emphasis>?</emphasis></term> <listitem> <simpara> équivalent à {0,1} </simpara> </listitem> </varlistentry> </variablelist> </para> <para> Il est possible de constituer des boucles infinies en créant un sous-masque sans caractères, mais pourvu d'un quantificateur sans limite supérieure. Par exemple "<literal>(a?)*</literal>. </para> <para> Les versions plus anciennes de Perl et PCRE généraient alors une erreur au moment de la compilation. Cependant, étant donné qu'il existe des situations où ces constructions peuvent être utiles, ces masques sont désormais autorisés. Cependant, si la répétion du sous-masque ne trouve aucun caractère, la boucle est interrompue. </para> <para> Par défaut, les quantificateurs sont dits "gourmands", c'est à dire, qu'ils cherchent d'abord à trouve le nombre maximal de répétitions qui autorise le succès de la recherche. L'exemple classique posé par cette gourmandise est la recherche de commentaires d'un programme en C. Les commentaires apparaissent entre les séquences <literal>/*....*/</literal> et à l'intérieur de ces délimiteurs, les <literal>*</literal> et <literal>/</literal> sont autorisés. Appliquer le masque <literal>/\*.*\*/</literal> à la chaîne <literal>/* first commet */ not comment /* second comment */</literal> ne peut réussir, car le masque travaille sur toute la chaîne, à cause de la gourmandise du caractère <literal>.*</literal>. </para> <para> Cependant, un quantificateur suivi d'un point d'interrogation cesse d'être gourmand, et au contraire, ne recherche que le nombre minimum de répétition. Dans ces conditions, le masque <literal>/\*.*?\*/</literal> trouvera bien les commentaires du code C. La signification des autres quantificateurs n'est pas changée. </para> <para> Attention à ne pas confondre l'utilisation du point d'interrogation ici avec son utilisation comme quantificateur lui-même. A cause cette ambiguité, il peut apparaître des situations où il faut le doubler : <literal>\d??\d</literal>. Ce masque va tenter de lire un seul chiffre, mais le cas échéant, il acceptera 2 chiffres pour permettre à la recherche d'aboutir. Si l'option <link linkend="pcre.pattern.modifiers">PCRE_UNGREEDY</link> est activée, (une option qui n'est pas disponible avec Perl) alors les quantificateurs sont non gourmand par défaut, mais peuvent être rendu gourmand au cas par cas, en ajoutant un point d'interrogation après. En d'autres termes, cette option inverse le comportement par défaut. </para> <para> Lorsqu'un sous-masque est quantifié avec un nombre minimum de répétitions, qui soit plus grand que 1, ou avec un maximum de répétitions, le masque compilé aura besoin de plus de place de stockage, proportionnellement au minimum et au maximum. </para> <para> Si un masque commence par <literal>..*</literal> ou <literal>.{0,}</literal> et que l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> (équivalent en Perl à /s) est activée, c'est-à-dire en autorisant le remplacement des nouvelles lignes par un méta-caractère, alors le masque est implicitement ancré, car tout ce qui suit va être mangé par la première séquence, et se comportera comme si le masque se terminait par le méta caractère <literal>\A</literal>. Dans le cas où on sait d'avance qu'il n'y aura pas de caractère de nouvelle ligne, activer l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> et commencer le masque par <literal>.*</literal> permet d'optmiser le masque. </para> <para> Alternativement, on peut utiliser <literal>^</literal> pour ancrer explicitement le masque. Lorsqu'un sous-masque capturant est répété, la valeur capturée est la dernière. Par exemple, après que "<literal>(inter[net]{3}\s*)+</literal>" ai été appliqué à "<literal>internet interne</literal>", la valeur de la chaîne capturée est "<literal>interne</literal>". </para> <para> Cependant, s'il y a des sous-masques imbriqués, la valeur capturée correspondante peut l'avoir été lors des précédentes itérations. Par exemple : <literal>/(a|(b))+/</literal> accepte "<literal>aba</literal>" et la deuxième valeur capturée est "<literal>b</literal>". </para> </refsect2> <refsect2 id="regexp.reference.back-references"> <title>Références arrières </title> <para> En dehors des classes de caractères, un antislash suivi d'un nombre plus grand que 0 (et possiblement plusieurs chiffres) est une référence arrière (c'est à dire vers la gauche) dans le masque, en supposant qu'il y ait suffisamment de sous-masques capturants précédants. </para> <para> Cependant, si le nombre décimal suivant l'antislash est plus petit que 10, il sera toujours considéré comme une référence arrière, et cela génèrera une erreur si le nombre de capture n'est pas suffisant. En d'autres termes, il faut qu'il existe suffisamment de parenthèses ouvrantes à gauche de la référence, surtout si la référence est inférieure à 10. </para> <para> Reportez-vous à la section "antislash" pour avoir de plus amples détails à propos du nombre de chiffres qui suivent l'antislash. </para> <para> La référence arrière remplace ce qui a été capturé par un sous-masque dans le masque courant, plutôt que remplace le sous-masque lui-même. Ainsi <literal>(calme|rapide)</literal> et <literal>\1ment</literal> trouvera "<literal>calme et calmement</literal>" et "<literal>rapide et rapidement</literal>", mais pas "<literal>calme et rapidement</literal>". Si la recherche tient compte de la casse, alors la casse de la chaîne capturée sera importante. Par exemple, <literal>((?i)rah)\s+\1</literal> trouve "<literal>rah rah</literal>" et "<literal>RAH RAH</literal>", mais pas "<literal>RAH rah</literal>", même si le sous-masque capturant initial ne tenait pas compte de la casse. </para> <para> Il peut y avoir plusieurs références arrières dans le même sous-masque. Si un sous-masque n'a pas été utilisé dans une recherche, alors les références arrières échoueront. Par exemple "<literal>(a|(bc))\2</literal>" ne réussira jamais si la chaîne sujet commence par "<literal>a</literal>" plutôt que par "<literal>bc</literal>". </para> <para> Etant donné qu'il peyt y avoir jusqu'à 99 références arrières, tous les chiffres après l'antislash sont considérés comment faisant potentiellement partie de la référence arrière. Si le masque recherche un chiffre après la référence, alors il faut impérativement utiliser des délimiteurs pour terminer la référence arrière. </para> <para>> Si l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est activée, on peut utiliser un espace. Sinon, un commentaire vide fait l'affaire. Une référence arrière qui intervient à l'intérieur de parenthèses auquel elle fait référence échouera dès que le sous-masque sera utilisé. Par exemple, <literal>(a\1)</literal> échouera toujours. Cependant, ces références peuvent être utiles dans les sous-masques répétitifs. Par exemple, le masque "<literal>(a|b\1)+</literal>" pourra convenir pour "<literal>a</literal>", "<literal>aba</literal>", "<literal>ababaa</literal>", etc.... </para> <para> A chaque itération du sous-masque, la référence arrière utilise le résultat du dernier sous-masque. Pour que cela fonctionne, il faut que la première itération n'ai pas besoin d'utiliser la référence arrière. Cela arrive avec les alternatives, comme dans l'exemple ci-dessus, ou avec un quantificateur de minimum 0. </para> </refsect2> <refsect2 id="regexp.reference.assertions"> <title>Assertions</title> <para> Une assertion est un test sur les caractères suivants ou précédent celui qui est en cours d'étude. Ce test ne consomme par de caractère (ie, on ne déplace pas le pointeur de caractères). Les assertions simples sont codées avec <literal>\b</literal>, <literal>\B</literal>, <literal>\A</literal>, <literal>\Z</literal>, <literal>\z</literal>, <literal>^</literal> et <literal>$</literal>, et sont décrites précédemment. </para> <para> Il existe cependant un type d'assertions plus complexes, codées sous la forme de sous-masques. Il en existe deux types : celles qui travaillent au-delà de la position courante (<literal>\w+(?=;)</literal>), et celles qui travaillent en deça (<literal>(?!)\w+</literal>). </para> <para> Une assertion se comporte comme un sous-masque, hormis le fait qu'elle ne déplace pas le pointeur de position. Les assertions avant commencent par <literal>(?=</literal> pour les assertions positives, et par <literal>(?!</literal>, pour les assertions négatives. Par exemple : <literal>\w+(?=;)</literal> s'assure qu'un mot est suivi d'un point-virgule, mais n'inclus pas le point virgule dans la capture. D'autre part, <literal>(?!foo)bar</literal> en est proche, mais ne trouve pas une occurrence de "<literal>bar</literal>" qui soit précédée par quelque chose d'autre que "<literal>foo</literal>foo"; il trouve toutes les occurrences de "<literal>bar</literal>", quelque soit ce qui le précéde, car l'assertion <literal>(?!foo)</literal> est toujours vraie quand les trois caractères suivants sont "<literal>bar</literal>". Une assertion arrière est ici nécessaire. </para> <para> Les assertions arrières commencent par <literal>(?<=</literal> pour les assertions positives, et <literal>(?<!</literal> pour les assertions négatives. Par exemple : <literal>(?<!foo)bar</literal> trouve les occurrences de "<literal>bar</literal>" qui ne sont pas précédées par "<literal>foo</literal>". </para> <para> Le contenu d'une référence arrière est limité de telle façon que les chaînes qu'il utilise soient toujours de la même taille. Cependant, lorsqu'il y a plusieurs alternatives, elles n'ont pas besoin d'être de la même taille. Par exemple, <literal>(?<=bullock|donkey)</literal> est autorisé, tandis que <literal>(?<!dogs?|cats?)</literal> provoque une erreur de compilation. Les alternatives qui ont des longueurs différentes ne sont autorisées qu'au niveau supérieur des assertions arrières. C'est une amélioration du fonctionnement de Perl 5.005, qui impose aux alternatives d'avoir toutes la même taille. Une assertion telle que <literal>(?<=ab(c|de))</literal> n'est pas autorisée, car l'assertion de bas niveau (la deuxième, ici) a deux alternatives de longueurs différentes. Pour la rendre acceptable, il faut écrire <literal>(?<=abc|abde)</literal> </para> <para> L'implémentation des assertions arrières déplace temporairement le pointeur de position vers l'arrière, et cherche à vérifier l'assertion. Si le nombre de caractères est différent, la position ne sera pas correcte, et l'assertion échouera. La combinaison d'assertions arrières avec des sous-masques peut être particulièrement pratique à fin des chaînes. Un exemple est donné à la fin de cette section. </para> <para> Plusieurs assertions peuvent intervenir successivement. Par exemple, le masque <literal>(?<=\d{3})(?<!999)foo</literal> recherche les chaînes "<literal>foo</literal>" précédées par trois chiffres qui ne sont pas "999". Notez que chaque assertion est appliquées indépendemment, au même point de la chaîne à traiter. Tout d'abord, il est vérifié que les trois premiers caractères ont tous des chiffres, puis on s'assure que ces trois caractères ne sont pas "<literal>999</literal>". Le masque précédant n'accepte pas "<literal>foo</literal>" précédé de 6 caractères, les trois premiers étant des chiffres et les trois suivants étant différents de "<literal>999</literal>". Par exemple, ce masque n'acceptera pas la chaîne "<literal>123abcfoo</literal>". Pour ce faire, il faut utiliser le masque suivant : <literal>(?<=\d{3}...)(?<!999)foo</literal>. Dans ce masque, la première assertion vérifie les six premiers caractères, s'assure que les trois premiers sont des entiers, et la deuxième assertion s'assure que les trois derniers caractères ne sont pas "<literal>999</literal>". </para> <para> De plus, les assertions peuvent être imbriquées : <literal>(?<=(?<!foo)bar)baz</literal> recherche les occurrences de "<literal>baz</literal>" qui sont précédées par "<literal>bar</literal>", qui, à son tour, n'est pas précédé par "<literal>foo</literal>". Au contraire, <literal>(?<=\d{3}(?!999)...)foo</literal> est un autre masque, qui recherche les caractères "<literal>foo</literal>", précédés par trois chiffres, suivis trois autres caractères qui ne forment pas "<literal>999</literal>". Les assertions ne sont pas capturantes, et ne peuvent pas être répétées. Si une assertion contient des sous-masques capturants en son sein, ils seront compris dans le nombre de sous-masques capturants du masque entier. La capture est réalisée pour les assertions positives, mais cela n'a pas de sens pour les assertions négatives. </para> <para> 200 assertions au maximum sont autorisées. </para> </refsect2> <refsect2 id="regexp.reference.onlyonce"> <title>Sous-masques uniques</title> <para> Avec les quantificateurs de répétitions, l'échec d'une recherche conduit normalement à une autre recherche, avec un nombre différent de répétitions, pour voir si le masque ne s'applique pas dans d'autres conditions. Parfois, il est pratique d'éviter ce comportement, soit pour changer la nature de la recherche, soit pour la faire abandonner plus tôt, si on pense qu'il n'est pas besoin d'aller plus loin. </para> <para> Considérons par exemple, le masque <literal>\d+foo</literal> appliqué à la ligne <literal>123456bar</literal>. Après avoir tenté d'utiliser les 6 chiffres suivi de "<literal>foo</literal>" qui font échouer, l'action habituelle sera de réessayer avec 5 chiffres, puis avec 4, et ainsi de suite jusqu'à l'échec final. </para> <para> Un sous-masque évalué une seule fois permettrait d'indiquer que lorsqu'une partie du masque est trouvée, elle n'a pas besoin d'être réévaluée à chaque tentative. Ceci conduirait à ce que la recherche échoue immédiatement après le premier test. Ces assertions ont leur propre notation, commençant avec <literal>(?></literal> comme ceci : <literal>(?>\d+)bar</literal>. </para> <para> Ce type de parenthèses verrouille le sous-masque qu'il contient un fois qu'il a été trouvé, et empêche un échec ultérieur d'y repasser, mais autorise à revenir plus loin en arrière. Une autre description est que les sous-masques de ce type recherche les chaînes de caractères, et les ancre le sous-masque à l'intérieur de la chaîne. </para> <para> Les sous-masques uniques ne sont pas capturants. Des cas simples comme ceux présentés ci-dessus peuvent être pris comme des situations maximisantes, qui réservent le maximum de caractères. En effet, alors que <literal>\d+</literal> et <literal>\d+?</literal> ajustent le nombre de chiffres trouvés de manière à laisser la possibilité au masque de réussir, <literal>(?>\d+)</literal> ne peut retenir que la séquence entière de chiffres. Cette construction peut contenir un nombre arbitraire de sous-masques complexes, et ils peuvent être imbriqués. </para> <para> Les sous-masques uniques ne peuvent être utilisés qu'avec les assertions arrières, pour effectuer une recherche efficace en fin de chaîne. Considérons un masque simple tel que "<literal>abcd$</literal>" appliqué à une très longue chaîne qui ne lui correspond pas. A cause du système de recherche de gauche à droite, PCRE va commencer par rechercher un "<literal>a</literal>" dans la chaîne sujet, puis vérifier si ce qui suit convient au reste du masque. Si le masque est spécifié sous la forme <literal>^.*abcd$</literal> alors, la séquence <literal>.*</literal> remplace en premier lieu la chaîne entière, et échoue, repart en arrière, et remplace tous les caractères sauf le dernier, échoue, retourne en arrière, prend un caractère de moins, etc... et ainsi de suite. Encore une fois, la recherche du "<literal>a</literal>" passe en revue toute la chaîne de gauche à droite, ce qui n'est pas très efficace. Par contre, si le masque était écrit <literal>^(?>.*)(?<=abcd)</literal> alors il n'y aurait pas de retour en arrière, pour satisfaire la séquence <literal>.*</literal>, car elle ne peut que remplacer toute la chaîne. L'assertion arrière consécutive va alors faire un test sur les 4 derniers caractères. Si elle échoue, la recherche est immédiatement interrompue. </para> <para> Pour les chaînes très longues, cette approche fait la différence en terme de performances et de temps de recherche. Lorsqu'un masque contient une répétition illimitée dans un sous-masque, qui contient lui-même un nombre illimité de répétiteur, l'utilisation des sous-masques à utilisation unique sont la seule façon d'éviter l'échec de la recherche à après un temps de calcul trop long. </para> <para> Le masque <literal>(\D+|<\d+>)*[!?]</literal> recherche un nombre illimité de sous-chaînes, qui contiennent soit des non-chiffres, soit des chiffres inclus dans <>, suivi soit par <literal>!</literal> ou par <literal>?</literal>. Lorsqu'il trouve une solution, ce masque va très vite. Mais, lorsqu'il est appliqué à une chaîne telle que : <literal>aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa</literal>, il lui faut beaucoup de temps pour annoncer un échec. Cela est dû au fait que la chaîne peut être divisée en deux sous-chaînes d'un grand nombre de façons, et qu'elles ont toutes été essayées. (Cet exemple utilisait <literal>[!?]</literal> plutôt qu'un caractère simple, car PCRE et PHP utilise une optimisation qui leur permettent de détecter rapidement l'échec lorsqu'un caractère unique est trouvé. Il se souvient du dernier caractère qui est attendu, et s'aperçoit rapidement qu'il n'y a pas ce caractère). </para> <para> Si le masque utilisé est <literal>((?>\D+)|<\d+>)*[!?]</literal> les séquences de chiffres ne peuvent pas être trouvées, et l'échec intervient rapidement. </para> </refsect2> <refsect2 id="regexp.reference.conditional"> <title>Les sous-masques conditionnels</title> <para> Il est possible de lier un sous-masque à une condition, ou de choisir entre deux sous-masques alternatifs, en fonction du résultat d'une assertion, ou suivant les résultats de recherche précédents. </para> <para> Les deux formes possibles de sous-masques conditionnels sont <literal>(?(condition)masque positif)</literal> et <literal>(?(condition) masque positif | masque négatif)</literal>. </para> <para> Si les conditions sont satisfaites, le masque positif est utilisé, sinon, le masque négatif est utilisé, si présent. S'il y a plus de deux alternatives, une erreur est générée à la compilation. </para> <para> Il y a deux types de conditions : si le texte entre les parenthèses est une séquence de chiffres, alors la condition est satisfaite si le sous-masque correspondant à ce numéro a réussi. Considérons le masque suivant, qui contient des espaces non significatifs pour le rendre plus compréhensible (on supposera l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> activée) et qui est divisé en trois parties pour simplifier les explications : <literal>( \( )? [^()]+ (?(1) \) )</literal>. </para> <para> La première partie recherche une parenthèse ouvrante optionnelle, et si elle existe, elle est capturée. La deuxième partie recherche un séquence de caractères qui ne contiennent pas de parenthèses. La troisième partie est conditionnée à la première, et s'assure que s'il y avait une parenthèse ouvrante, il en existe une fermante. Si une parenthèse ouvrante a été trouvée, elle a été capturée, et donc la première capture existe, et la condition est exécutée. Sinon, elle est ignorée. </para> <para> Ce masque recherche donc une séquence de lettres, éventuellement placées entre parenthèse. Si la condition n'est pas une séquence de chiffres, il faut que ce soit une assertion. Ce peut être une assertion positive ou négative, arrière ou avant. Considérons le masque suivant (même conditions que le précédent) et avec deux alternatives en seconde ligne : <literal>(?(?=[^a-z]*[a-z])\d{2}[a-z]{3}-\d{2} | \d{2}-\d{2}-\d{2} )</literal>. La condition est une assertion avant positive, qui recherche une séquence optionnelle de caractères non-lettre. En d'autres termes, elle teste la presence d'au moins une lettre dans la chaîne sujet. Si une lettre est trouvée, la recherche se poursuit avec la première alternative, et sinon, avec la seconde. Ce masque recherche des chaînes de la forme <literal>dd-aaa-dd</literal> ou <literal>dd-dd-dd</literal>, avec "<literal>aaa</literal>" qui sont des lettres, et <literal>dd</literal> qui sont des chiffres. </para> </refsect2> <refsect2 id="regexp.reference.comments"> <title>Commentaires</title> <simpara> La séquence <literal>(?#</literal> marque le début d'un commentaire, qui se termine à la prochaine parenthèse fermante. Les parenthèses imbriquées ne sont pas autorisées. Les caractères entre ces délimiteurs ne jouent alors aucun rôle dans le masque. </simpara> <simpara> Si l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est activée, les caractères dièses <literal>#</literal> non échappés en dehors d'une classe de caractères introduisent un commentaire qui continuera jusqu'à la prochaine ligne dans le masque. </simpara> </refsect2> <refsect2 id="regexp.reference.recursive"> <title>Masques récursifs</title> <para> Considérons le cas où il faut recherche dans une chaîne, avec un niveau d'imbrications infini de parenthèses. Sans l'aide de la récursivité, le mieux que nous puissions obtenir est de créer un masque avec un niveau fixé de profondeur d'imbrication. Il n'est pas possible de traiter des masques à niveau d'imbrications variable. PCRE fournit un nouvel outil expérimental qui permet d'utiliser la récursivité dans les masques (entre autre). L'option <literal>(?R)</literal> est fournie pour servir la cause de la récursivité. Le masque suivant résoud le problème des parenthèses (l'option <link linkend="pcre.pattern.modifiers">PCRE_EXTENDED</link> est utilisée pour ignorer les espaces) : <literal>\( ( (?>[^()]+) | (?R) )* \)</literal> </para> <para> Tout d'abord, le masque recherche une parenthèse ouvrante. Puis, il recherche n'importe quel nombre de sous-chaînes qui sont soit des séquences de caractères non-parenthèses, ou bien une recherche récursive avec le même masque (i.e. une chaîne correctement incluse entre parenthèses). Finalement, il recherche une parenthèse fermante. </para> <para> Cet exemple particulier contient un nombre illimité de répétitions imbriquées, ce qui fait que l'utilisation de sous-chaînes à utilisation unique pour rechercher les séquence de caractères non-parenthèses est important, lorsqu'il s'applique à une chaîne qui n'est pas valide. Par exemple, si on l'applique à "<literal>(aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa()</literal>" la réponse arrive rapidement. Sinon, si les sous-chaînes à utilisation unique ne sont pas utilisées, la recherche peut prendre un très long temps, car il existe de très nombreuses combinaisons de <literal>+</literal> et <literal>*</literal> à tester avant de conclure à l'échec. </para> <para> Les valeurs utilisées pour capturer les sous-masques sont celles utilisées par les niveaux les plus hauts de récursivités, auquel la valeur est fixée. Si le masque précédent est utilisé avec <literal>(ab(cd)ef)</literal> la valeur de la parenthèse capturante est "<literal>ef</literal>", qui est la dernière valeur lue au niveau supérieur. Si de nouvelles parenthèses sont ajoutées, par exemple : <literal>\( ( ( (?>[^()]+) | (?R) )* ) \)</literal> alors la chaîne capturée est "<literal>ab(cd)ef</literal>", c'est-à-dire le contenu de la parenthèses capturant de plus haut niveau. S'il y a plus de 15 parenthèses capturantes dans une chaîne, PCRE doit utiliser plus de mémoire pour stocker ces données. S'il ne peut obtenir cette mémoire supplémentaire, il ne fait que sauver les 15 premières, car il n'y a pas moyen de générer une erreur de mémoire lors d'une récursion. </para> </refsect2> <refsect2 id="regexp.reference.performances"> <title>Performances</title> <para> Certaines séquences de recherches sont plus efficaces que d'autres. Ainsi, il est plus efficace d'utiliser une classe de caractères telle que <literal>[aeiou]</literal> plutôt qu'une alternative <literal>(a|e|i|o|u)</literal>. </para> <para> En général, le masque le plus simple, qui permette la recherche désirée est le plus efficace. Le livre de Jeffrey Friedl's contient de nombreuses études à propos de l'optimisation des expressions régulières. </para> <para> Lorsqu'un masque commence par.* et que l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> est activée, le masque est implicitement ancré par PCRE, étant donné qu'il ne peut que rechercher au début de la chaîne. Cependant, si option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link> n'est pas activée, PCRE ne peut faire aucune optimisation car le méta-caractères point "<literal>.</literal>" ne remplace pas une nouvelle ligne, et si la chaîne sujet contient des nouvelles lignes, le masque peut trouver une solution qui serait située juste après une de ces nouvelles lignes, et non pas seulement au début de la chaîne sujet. Par exemple, le masque, <literal>(.*)second</literal> acceptera la chaîne "<literal>premier \net second</literal>" (avec "<literal>\n</literal>" qui remplace la nouvelle ligne), et la première chaîne capturée sera "<literal>et</literal>". </para> <para> Afin d'effectuer la recherche, PCRE va essayer d'appliquer le masque à partir de chaque début de ligne. Si vous utilisez un tel masque avec des chaînes qui ne contiennent pas de caractères de nouvelles lignes, les meilleures performances seront atteintes avec l'option <link linkend="pcre.pattern.modifiers">PCRE_DOTALL</link>, ou en ancrant le masque avec <literal>^.*</literal>. Cela évite à PCRE de scanner toute la chaîne pour rechercher un caractère de nouvelle ligne et recommencer la recherche. </para> <para> Attention aux masques qui contiennent des quantificateurs infinis imbriqués. Ils peuvent demander un temps de calcul très long, lorsqu'appliqués à une chaîne qui ne correspond pas à ce masque. Par exemple, <literal>(a+)*</literal> peut accepter "<literal>aaaa</literal>" de 33 manières différentes, et ce nombre croit rapidement avec la taille de la chaîne (le quantificateur <literal>*</literal> peut prendre les valeurs de 0, 1, 2, 3, ou 4, et pour chaque cas non nul, le quantificateur <literal>+</literal> peut prendre différentes valeurs). </para> <para> Lorsque le reste de la chaîne est tel que l'on s'achemine vers un échec, PCRE doit en principe vérifier toutes les possibilités, et cela prend un temps extrêmement long. Un optmiseur repère les cas les plus simples, tel que <literal>(a+)*b</literal> où un caractère simple suit les quantificateurs. Avant de partir dans les procédures standard de recherche, PCRE s'assure qu'il y a au moins un "<literal>b</literal>" dans la chaîne, et si ce n'est pas le cas, l'échec est annoncé immédiatement. Sinon, il n'y a pas d'optimisation dans la recherche. Vous pouvez voir la différence de comportement avec le masque suivant : <literal>(a+)*\d</literal>. Le premier retourne un échec quasi-immédiatement, s'il est appliqué à une ligne de "<literal>a</literal>", alors que le second masque prend un temps significatif pour une chaîne de plus de 20 caractères. </para> </refsect2> </refsect1> </refentry> <!-- Keep this comment at the end of the file Local variables: mode: sgml sgml-omittag:t sgml-shorttag:t sgml-minimize-attributes:nil sgml-always-quote-attributes:t sgml-indent-step:1 sgml-indent-data:t indent-tabs-mode:nil sgml-parent-document:nil sgml-default-dtd-file:"../../../../manual.ced" sgml-exposed-tags:nil sgml-local-catalogs:nil sgml-local-ecat-files:nil End: vim600: syn=xml fen fdm=syntax fdl=2 si vim: et tw=78 syn=sgml vi: ts=1 sw=1 -->