Sub-expressões

Sub-expressões são delimitadas por parênteses e podem ser aninhadas. Marcar parte de uma expressão como uma sub-expressão tem dois objetivos:

  1. Localizar um conjunto de alternativas. Por exemplo, a expressão cat(aract|erpillar|) corresponde a uma das três palavras: "cat", "cataract" ou "caterpillar". Sem os parênteses, corresponderia a "cataract", "erpillar" ou a uma string vazia.

  2. Definir a sub-expressão como um grupo de captura (como definido acima). Quando toda a expressão tem correspondência, a parte da string de entrada que correspondeu à sub-expressão é passada de volta à função chamadora através do argumento ovector da função pcre_exec(). Parênteses de abertura são contados da esquerda para a direita (iniciando de 1) para obter os números dos grupos de captura.

Por exemplo, se a string "the red king" é correspondida pela expressão the ((red|white) (king|queen)) os grupos de captura são "red king", "red" e "king", e são numerados com 1, 2 e 3.

O fato dos parênteses terem duas funções nem sempre ajuda. Frequentemente é necessária uma sub-expressão de agrupamento sem a necessidade de captura. Se um parêntese de abertura for seguido por "?:", a sub-expressão não faz nenhuma captura, e não é contado ao computar o número de sub-expressões de captura subsequentes. Por exemplo, se a string "the white queen" é correspondida pela expressão the ((?:red|white) (king|queen)) as substrings capturadas são "white queen" e "queen", e são numeradas com 1 e 2. O número máximo de subtrings capturadas é 65535. Porém, pode não ser possível compilar expressões deste tamanho, dependendo das opções de configuração da biblioteca libpcre.

Como um atalho conveniente, se qualquer configuração de opção for necessária no início de uma sub-expressão sem captura, as letras de opções podem aparecer entre o "?" e o ":". Assim, as duas expressões 

(?i:saturday|sunday)
(?:(?i)saturday|sunday)

correspondem exatamente ao mesmo conjunto de strings. Como os ramos alternativos são testados da esquerda para a direita, e as opções não são redefinidas até que se alcance o final da sub-expressão, uma configuração de opção em um ramo não afeta ramos subsequentes, portanto as expressões acima correspondem a "SUNDAY" e também a "Saturday".

É possível nomear uma sub-expressão usando a sintaxe (?P<nome>expressão). Esta sub-expressão será então indexada no array de correspondências pela sua posição numérica normal e também pelo nome. Há duas sintaxes alternativas: (?<nome>expressão) e (?'nome'expressão).

Algumas vezes é necessário ter correspondências múltiplas, mas não ter sub-grupos alternados em uma expressão regular. Normalmente, cada um destes receberia seu próprio número de referência embora apenas um seria possivelmente correspondido. Para contornar isto, a sintaxe (?| permite ter números duplicados. Considere o caso abaixo, onde a expressão regular corresponde à string Sunday: 

(?:(Sat)ur|(Sun))day

Aqui, Sun é armazenado na referência 2, enquanto que a referência 1 está vazia. Corresponder Saturday gera a referência 1 para Sat enquanto que a referência 2 não existirá. Modificar a expressão usando (?| corrige este problema: 

(?|(Sat)ur|(Sun))day

Usando esta expressão, tanto Sun quanto Sat seriam armazenadas na referência 1.