<?xml version="1.0" encoding="utf-8"?>

<chapter xml:id="reference.pcre.pattern.syntax" xmlns="http://docbook.org/ns/docbook" xmlns:xlink="http://www.w3.org/1999/xlink">

<title>Sintaxis de patrones</title>

<titleabbrev>Sintaxis de expresiones regulares PCRE</titleabbrev>

<section xml:id="regexp.introduction">

<title>Introducción</title>

<para>

La sintaxis y semántica de las expresiones regulares

soportadas por PCRE se describen en esta sección. Las expresiones regulares también se

describen en la documentación de Perl y en varios

otros libros, algunos de los cuales tienen ejemplos abundantes. El libro

"Mastering Regular Expressions" de Jeffrey

Friedl, publicado por O'Reilly (ISBN 1-56592-257-3), las cubre en gran detalle.

La descripción aquí está destinada como documentación de referencia.

</para>

<para>

Una expresión regular es un patrón que se compara con una

cadena de sujeto de izquierda a derecha. La mayoría de los caracteres representan

a sí mismos en un patrón, y coinciden con los

caracteres correspondientes en el sujeto. Como ejemplo trivial, el patrón

<literal>The quick brown fox</literal>

coincide con una parte de una cadena de sujeto que es idéntica

a sí misma.

</para>

</section>

<section xml:id="regexp.reference.delimiters">

<title>Delimitadores</title>

<para>

Al usar las funciones PCRE, es obligatorio que el patrón esté encerrado

por <emphasis>delimitadores</emphasis>. Un delimitador puede ser cualquier carácter no alfanumérico,

no barra invertida, no espacio en blanco.

Los espacios en blanco iniciales antes de un delimitador válido se ignoran silenciosamente.

</para>

<para>

Los delimitadores comúnmente utilizados son las barras inclinadas hacia adelante (<literal>/</literal>), signos de número

(<literal>#</literal>) y tildes (<literal>~</literal>). Los siguientes son ejemplos de patrones delimitados válidos.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

</para>

<para>

También es posible usar

delimitadores de estilo de corchetes donde los corchetes de apertura y cierre son el delimitador de inicio y fin, respectivamente. <literal>()</literal>,

<literal>{}</literal>, <literal>[]</literal> y <literal>&lt;&gt;</literal>

son todos pares de delimitadores de estilo de corchetes válidos.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

Los delimitadores de estilo de corchetes no necesitan ser escapados cuando se usan como metacaracteres dentro del patrón, pero como con otros delimitadores deben ser escapados cuando se usan como caracteres literales.

</para>

<para>

Si el delimitador necesita coincidir dentro del patrón debe ser

escapado usando una barra invertida. Si el delimitador aparece con frecuencia dentro del

patrón, es una buena idea elegir otro delimitador para aumentar

la legibilidad.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

La función <function>preg_quote</function> puede ser utilizada para escapar una cadena

para inyectarla en un patrón y su segundo parámetro opcional puede ser utilizado

para especificar el delimitador a escapar.

</para>

<para>

Puede agregar <link linkend="reference.pcre.pattern.modifiers">modificadores de patrón</link> después del delimitador final. El siguiente es un ejemplo

de coincidencia sin distinción de mayúsculas y minúsculas:

<informalexample>

<programlisting>

</programlisting>

</informalexample>

</para>

</section>

<section xml:id="regexp.reference.meta">

<title>Metacaracteres</title>

<para>

El poder de las expresiones regulares proviene de la

capacidad de incluir alternativas y repeticiones en el

patrón. Estas se codifican en el patrón mediante el uso de

<emphasis>metacaracteres</emphasis>, que no se representan a sí mismos, sino que se interpretan de alguna manera especial.

</para>

<para>

Hay dos conjuntos diferentes de metacaracteres: aquellos que

se reconocen en cualquier parte del patrón excepto dentro de corchetes, y aquellos que se reconocen dentro de corchetes.

Fuera de corchetes, los metacaracteres son los siguientes:

<table>

<title>Metacaracteres fuera de corchetes</title>

<tgroup cols="2">

<thead>

<row>

<entry>Metacaracter</entry><entry>Descripción</entry>

</row>

</thead>

<tbody>

<row>

<entry>\</entry><entry>carácter de escape general con varios usos</entry>

</row>

<row>

<entry>^</entry><entry>asegurar el inicio del sujeto (o línea, en modo multiline)</entry>

</row>

<row>

<entry>$</entry><entry>asegurar el final del sujeto o antes de un salto de línea de terminación (o final de línea, en modo multiline)</entry>

</row>

<row>

<entry>.</entry><entry>coincidir con cualquier carácter excepto salto de línea (por defecto)</entry>

</row>

<row>

<entry>[</entry><entry>inicio de definición de clase de caracteres</entry>

</row>

<row>

<entry>]</entry><entry>fin de definición de clase de caracteres</entry>

</row>

<row>

<entry>|</entry><entry>inicio de rama alternativa</entry>

</row>

<row>

<entry>(</entry><entry>inicio de subpatrón</entry>

</row>

<row>

<entry>)</entry><entry>fin de subpatrón</entry>

</row>

<row>

<entry>?</entry><entry>extiende el significado de (, también 0 o 1 cuantificador, también hace que los cuantificadores codiciosos sean perezosos (ver <link linkend="regexp.reference.repetition">repetición</link>)</entry>

</row>

<row>

<entry>*</entry><entry>cuantificador 0 o más</entry>

</row>

<row>

<entry>+</entry><entry>cuantificador 1 o más</entry>

</row>

<row>

<entry>{</entry><entry>inicio de cuantificador min/max</entry>

</row>

<row>

<entry>}</entry><entry>fin de cuantificador min/max</entry>

</row>

</tbody>

</tgroup>

</table>

Una parte de un patrón que está dentro de corchetes se llama

<link linkend="regexp.reference.character-classes">clase de caracteres</link>. En una clase de caracteres los únicos

metacaracteres son:

<table>

<title>Metacaracteres dentro de corchetes (<emphasis>clases de caracteres</emphasis>)</title>

<tgroup cols="2">

<thead>

<row>

<entry>Metacaracter</entry><entry>Descripción</entry>

</row>

</thead>

<tbody>

<row>

<entry>\</entry><entry>carácter de escape general</entry>

</row>

<row>

<entry>^</entry><entry>niega la clase, pero solo si es el primer carácter</entry>

</row>

<row>

<entry>-</entry><entry>indica rango de caracteres</entry>

</row>

</tbody>

</tgroup>

</table>

Las siguientes secciones describen el uso de cada uno de los

metacaracteres.

</para>

</section>

<section xml:id="regexp.reference.escape">

<title>Secuencias de escape</title>

<para>

El carácter de barra invertida tiene varios usos. En primer lugar, si está

seguido por un carácter no alfanumérico, elimina cualquier

significado especial que el carácter pueda tener. Este uso de

barra invertida como carácter de escape se aplica tanto dentro como fuera de clases de caracteres.

</para>

<para>

Por ejemplo, si desea coincidir con un carácter "*", escribe

"\*" en el patrón. Esto se aplica ya sea que el

carácter siguiente sería interpretado de otra manera como un

metacarácter, por lo que siempre es seguro preceder un no alfanumérico

con "\" para especificar que representa a sí mismo. En

particular, si desea coincidir con una barra invertida, escribe "\\".

</para>

<note>

<para>

Las cadenas de PHP con comillas simples y dobles <link

linkend="language.types.string.syntax">tienen</link> un significado especial de barra invertida. Por lo tanto, si \ debe coincidir con una expresión regular \\, entonces "\\\\" o '\\\\' debe usarse en el código PHP.

</para>

</note>

<para>

Si un patrón se compila con la

<link linkend="reference.pcre.pattern.modifiers">opción PCRE_EXTENDED</link>,

el espacio en blanco en el patrón (excepto en una clase de caracteres) y

los caracteres entre un "#" fuera de una clase de caracteres y el siguiente carácter de nueva línea

se ignoran. Una barra invertida de escape puede usarse para incluir un

carácter de espacio en blanco o "#" como parte del patrón.

</para>

<para>

Un segundo uso de la barra invertida proporciona una manera de codificar

caracteres no imprimibles en patrones de manera visible. No hay restricción sobre la aparición de caracteres no imprimibles,

aparte del cero binario que termina un patrón,

pero cuando un patrón se está preparando mediante edición de texto, generalmente es

más fácil usar una de las siguientes secuencias de escape

que el carácter binario que representan:

</para>

<para>

<variablelist>

<varlistentry>

<term><emphasis>\a</emphasis></term>

<listitem>

<simpara>alarma, es decir, el carácter BEL (hex 07)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\cx</emphasis></term>

<listitem>

<simpara>"control-x", donde x es cualquier carácter</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>salto de página (hex 0C)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\n</emphasis></term>

<listitem>

<simpara>nueva línea (hex 0A)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\p{xx}</emphasis></term>

<listitem>

<simpara>

un carácter con la propiedad xx, ver

<link linkend="regexp.reference.unicode">propiedades unicode</link>

para más información

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\P{xx}</emphasis></term>

<listitem>

<simpara>

un carácter sin la propiedad xx, ver

<link linkend="regexp.reference.unicode">propiedades unicode</link>

para más información

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\r</emphasis></term>

<listitem>

<simpara>retorno de carro (hex 0D)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\R</emphasis></term>

<listitem>

<simpara>salto de línea: coincide con \n, \r y \r\n</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\t</emphasis></term>

<listitem>

<simpara>tabulador (hex 09)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\xhh</emphasis></term>

<listitem>

<simpara>

carácter con código hex hh

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\ddd</emphasis></term>

<listitem>

<simpara>carácter con código octal ddd, o referencia inversa</simpara>

</listitem>

</varlistentry>

</variablelist>

</para>

<para>

El efecto preciso de "<literal>\cx</literal>" es el siguiente:

si "<literal>x</literal>" es una letra minúscula, se convierte

a mayúscula. Luego se invierte el bit 6 del carácter (hex 40).

Así, "<literal>\cz</literal>" se convierte en hex 1A, pero

"<literal>\c{</literal>" se convierte en hex 3B, mientras que "<literal>\c;</literal>"

se convierte en hex 7B.

</para>

<para>

Después de "<literal>\x</literal>", se leen hasta dos dígitos hexadecimales (las letras pueden estar en mayúsculas o minúsculas).

En <emphasis>modo UTF-8</emphasis>, "<literal>\x{...}</literal>" está permitido, donde el contenido de las llaves es una cadena de dígitos hexadecimales. Se interpreta como un carácter UTF-8 cuyo número de código es el número hexadecimal dado. La secuencia de escape hexadecimal original,

<literal>\xhh</literal>, coincide con un carácter UTF-8 de dos bytes si el valor es mayor que 127.

</para>

<para>

Después de "<literal>\0</literal>" se leen hasta dos dígitos octales adicionales.

En ambos casos, si hay menos de dos dígitos, solo se usan los que

están presentes. Así, la secuencia "<literal>\0\x\07</literal>"

especifica dos ceros binarios seguidos de un carácter BEL. Asegúrese de

proporcionar dos dígitos después del cero inicial si el carácter

que sigue es él mismo un dígito octal.

</para>

<para>

El manejo de una barra invertida seguida de un dígito que no sea 0

es complicado. Fuera de una clase de caracteres, PCRE lo lee

y cualquier dígito siguiente como un número decimal. Si el número

es menor que 10, o si ha habido al menos esa cantidad de

paréntesis de apertura de captura anteriores en la expresión, la

secuencia completa se toma como una <emphasis>referencia inversa</emphasis>. Una descripción

de cómo funciona esto se da más adelante, después de la discusión

de subpatrones entre paréntesis.

</para>

<para>

Dentro de una clase de caracteres, o si el número decimal es

mayor que 9 y no ha habido tantas subpatrones de captura, PCRE vuelve a leer

hasta tres dígitos octales siguientes

a la barra invertida, y genera un solo byte a partir de

los 8 bits menos significativos del valor. Los dígitos posteriores se representan a sí mismos. Por ejemplo:

</para>

<para>

<variablelist>

<varlistentry>

<term><emphasis>\040</emphasis></term>

<listitem><simpara>es otra forma de escribir un espacio</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\40</emphasis></term>

<listitem>

<simpara>

es lo mismo, siempre que haya menos de 40

subpatrones de captura anteriores

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\7</emphasis></term>

<listitem><simpara>siempre es una referencia inversa</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\11</emphasis></term>

<listitem>

<simpara>

podría ser una referencia inversa, o otra forma de

escribir un tabulador

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\011</emphasis></term>

<listitem><simpara>siempre es un tabulador</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\0113</emphasis></term>

<listitem><simpara>es un tabulador seguido del carácter "3"</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\113</emphasis></term>

<listitem>

<simpara>

es el carácter con código octal 113 (ya que no puede haber más de 99 referencias inversas)

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\377</emphasis></term>

<listitem><simpara>es un byte compuesto completamente de 1 bits</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\81</emphasis></term>

<listitem>

<simpara>

es una referencia inversa, o un cero binario

seguido de los dos caracteres "8" y "1"

</simpara>

</listitem>

</varlistentry>

</variablelist>

</para>

<para>

Tenga en cuenta que los valores octales de 100 o más no deben introducirse con un cero inicial, ya que nunca se leen más de tres dígitos octales.

</para>

<para>

Todas las secuencias que definen un valor de un solo byte pueden usarse tanto dentro como fuera de clases de caracteres. Además,

dentro de una clase de caracteres, la secuencia "<literal>\b</literal>"

se interpreta como el carácter de retroceso (hex 08). Fuera de una clase de caracteres tiene un significado diferente (ver más abajo).

</para>

<para>

El tercer uso de la barra invertida es para especificar tipos de caracteres genéricos:

</para>

<para>

<variablelist>

<varlistentry>

<term><emphasis>\d</emphasis></term>

<listitem><simpara>cualquier dígito decimal</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\D</emphasis></term>

<listitem><simpara>cualquier carácter que no sea un dígito decimal</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\h</emphasis></term>

<listitem><simpara>cualquier carácter de espacio en blanco horizontal</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\H</emphasis></term>

<listitem><simpara>cualquier carácter que no sea un carácter de espacio en blanco horizontal</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\s</emphasis></term>

<listitem><simpara>cualquier carácter de espacio en blanco</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\S</emphasis></term>

<listitem><simpara>cualquier carácter que no sea un carácter de espacio en blanco</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\v</emphasis></term>

<listitem><simpara>cualquier carácter de espacio en blanco vertical</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\V</emphasis></term>

<listitem><simpara>cualquier carácter que no sea un carácter de espacio en blanco vertical</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\w</emphasis></term>

<listitem><simpara>cualquier carácter de "palabra"</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\W</emphasis></term>

<listitem><simpara>cualquier carácter "no palabra"</simpara></listitem>

</varlistentry>

</variablelist>

</para>

<para>

Cada par de secuencias de escape divide el conjunto completo de

caracteres en dos conjuntos disjuntos. Cualquier carácter

dado coincide con uno, y solo uno, de cada par.

</para>

<para>

Los caracteres de "espacio en blanco" son HT (9), LF (10), FF (12), CR (13),

y espacio (32). Sin embargo, si se está realizando una coincidencia específica de la configuración regional,

los caracteres con puntos de código en el rango 128-255 también pueden considerarse

como caracteres de espacio en blanco, por ejemplo, NBSP (A0).

</para>

<para>

Un carácter de "palabra" es cualquier letra o dígito o el carácter de subrayado,

es decir, cualquier carácter que pueda ser parte de

una "<emphasis>palabra</emphasis>" de Perl. La definición de letras y dígitos está

controlada por las tablas de caracteres de PCRE, y puede variar si se está realizando una coincidencia específica de la configuración regional. Por ejemplo, en la configuración regional "fr" (francés), algunos códigos de caracteres mayores que 128 se usan para letras acentuadas,

y estas coinciden con <literal>\w</literal>.

</para>

<para>

Estas secuencias de tipos de caracteres pueden aparecer tanto dentro como

fuera de clases de caracteres. Cada una coincide con un carácter de

tipo apropiado. Si el punto de coincidencia actual está al final

de la cadena de sujeto, todas fallan, ya que no hay carácter para coincidir.

</para>

<para>

El cuarto uso de la barra invertida es para ciertas afirmaciones simples.

Una afirmación especifica una condición que debe cumplirse

en un punto particular en una coincidencia, sin consumir ningún

carácter de la cadena de sujeto. El uso de subpatrones

para afirmaciones más complicadas se describe a continuación. Las

afirmaciones con barra invertida son

</para>

<para>

<variablelist>

<varlistentry>

<term><emphasis>\b</emphasis></term>

<listitem><simpara>límite de palabra</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\B</emphasis></term>

<listitem><simpara>no es un límite de palabra</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\A</emphasis></term>

<listitem><simpara>inicio del sujeto (independiente del modo multiline)</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\Z</emphasis></term>

<listitem>

<simpara>

final del sujeto o salto de línea al final (independiente del

modo multiline)

</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\z</emphasis></term>

<listitem><simpara>final del sujeto (independiente del modo multiline)</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\G</emphasis></term>

<listitem><simpara>primera posición de coincidencia en el sujeto</simpara></listitem>

</varlistentry>

</variablelist>

</para>

<para>

Estas afirmaciones no pueden aparecer en clases de caracteres (pero

note que "<literal>\b</literal>" tiene un significado diferente, a saber, el carácter de retroceso, dentro de una clase de caracteres).

</para>

<para>

Un límite de palabra es una posición en la cadena de sujeto donde

el carácter actual y el carácter anterior no coinciden ambos

con <literal>\w</literal> o <literal>\W</literal> (es decir, uno coincide

con <literal>\w</literal> y el otro coincide

con <literal>\W</literal>), o el inicio o final de la cadena si el primer

o último carácter coincide con <literal>\w</literal>, respectivamente.

</para>

<para>

Las afirmaciones <literal>\A</literal>, <literal>\Z</literal> y

<literal>\z</literal> difieren de las afirmaciones tradicionales

de circunflejo y dólar (descritas en <link linkend="regexp.reference.anchors">anclajes</link> )

en que solo coinciden en el inicio y final exactos de la cadena de sujeto,

independientemente de las opciones establecidas. No se ven afectadas por las

opciones <link linkend="reference.pcre.pattern.modifiers">PCRE_MULTILINE</link> o

<link linkend="reference.pcre.pattern.modifiers">PCRE_DOLLAR_ENDONLY</link>.

La diferencia entre <literal>\Z</literal> y

<literal>\z</literal> es que <literal>\Z</literal> coincide antes de un salto de línea que es el último carácter de la cadena así como al final de

la cadena, mientras que <literal>\z</literal> solo coincide al final.

</para>

<para>

La afirmación <literal>\G</literal> es verdadera solo cuando la posición de coincidencia actual está en el punto de inicio de la coincidencia, como se especifica por

el argumento <parameter>offset</parameter> de

<function>preg_match</function>. Difiere de <literal>\A</literal>

cuando el valor de <parameter>offset</parameter> no es cero.

</para>

<para>

<literal>\Q</literal> y <literal>\E</literal> pueden usarse para ignorar

metacaracteres de regexp en el patrón. Por ejemplo:

<literal>\w+\Q.$.\E$</literal> coincidirá con uno o más caracteres de palabra,

seguido de literales <literal>.$.</literal> y anclado al final

de la cadena. Tenga en cuenta que esto no cambia el comportamiento de

los delimitadores; por ejemplo, el patrón <literal>#\Q#\E#$</literal>

no es válido, porque el segundo <literal>#</literal> marca el final del patrón, y el <literal>\E#</literal> se interpreta como modificadores inválidos.

</para>

<para>

<literal>\K</literal> puede usarse para restablecer el inicio de la coincidencia.

Por ejemplo, el patrón <literal>foo\Kbar</literal> coincide

con "foobar", pero informa que ha coincidido con "bar". El uso de

<literal>\K</literal> no interfiere con la configuración de subcadenas capturadas. Por ejemplo, cuando el patrón <literal>(foo)\Kbar</literal>

coincide con "foobar", la primera subcadena sigue configurada en "foo".

</para>

</section>

<section xml:id="regexp.reference.unicode">

<title>Propiedades de caracteres Unicode</title>

<para>

Desde 5.1.0, tres

secuencias de escape adicionales para coincidir con tipos de caracteres genéricos están disponibles

cuando se selecciona el <emphasis>modo UTF-8</emphasis>. Son:

</para>

<variablelist>

<varlistentry>

<term><emphasis>\p{xx}</emphasis></term>

<listitem><simpara>un carácter con la propiedad xx</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\P{xx}</emphasis></term>

<listitem><simpara>un carácter sin la propiedad xx</simpara></listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\X</emphasis></term>

<listitem><simpara>una secuencia Unicode extendida</simpara></listitem>

</varlistentry>

</variablelist>

<para>

Los nombres de propiedades representados por <literal>xx</literal> arriba están limitados

a las propiedades generales de categoría Unicode. Cada carácter tiene exactamente una

de estas propiedades, especificada por una abreviatura de dos letras. Para compatibilidad con

Perl, la negación puede especificarse incluyendo una circunflejo entre la llave de apertura y el nombre de la propiedad. Por ejemplo, <literal>\p{^Lu}</literal>

es lo mismo que <literal>\P{Lu}</literal>.

</para>

<para>

Si solo se especifica una letra con <literal>\p</literal> o

<literal>\P</literal>, incluye todas las propiedades que comienzan con esa

letra. En este caso, en ausencia de negación, las llaves en la

secuencia de escape son opcionales; estos dos ejemplos tienen el mismo efecto:

</para>

<informalexample>

<programlisting>

</programlisting>

</informalexample>

<table>

<title>Códigos de propiedades admitidos</title>

<tgroup cols="3">

<thead>

<row>

<entry>Propiedad</entry>

<entry>Coincide con</entry>

<entry>Notas</entry>

</row>

</thead>

<tbody>

<row>

<entry><literal>C</literal></entry>

<entry>Otro</entry>

<entry></entry>

</row>

<row>

<entry><literal>Cc</literal></entry>

<entry>Control</entry>

<entry></entry>

</row>

<row>

<entry><literal>Cf</literal></entry>

<entry>Formato</entry>

<entry></entry>

</row>

<row>

<entry><literal>Cn</literal></entry>

<entry>No asignado</entry>

<entry></entry>

</row>

<row>

<entry><literal>Co</literal></entry>

<entry>Uso privado</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>Cs</literal></entry>

<entry>Sustituto</entry>

<entry></entry>

</row>

<row>

<entry><literal>L</literal></entry>

<entry>Letra</entry>

<entry>

Incluye las siguientes propiedades: <literal>Ll</literal>,

<literal>Lm</literal>, <literal>Lo</literal>, <literal>Lt</literal> y

<literal>Lu</literal>.

</entry>

</row>

<row>

<entry><literal>Ll</literal></entry>

<entry>Letra minúscula</entry>

<entry></entry>

</row>

<row>

<entry><literal>Lm</literal></entry>

<entry>Letra modificadora</entry>

<entry></entry>

</row>

<row>

<entry><literal>Lo</literal></entry>

<entry>Otra letra</entry>

<entry></entry>

</row>

<row>

<entry><literal>Lt</literal></entry>

<entry>Letra con mayúscula inicial</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>Lu</literal></entry>

<entry>Letra mayúscula</entry>

<entry></entry>

</row>

<row>

<entry><literal>M</literal></entry>

<entry>Marca</entry>

<entry></entry>

</row>

<row>

<entry><literal>Mc</literal></entry>

<entry>Marca de espacio</entry>

<entry></entry>

</row>

<row>

<entry><literal>Me</literal></entry>

<entry>Marca de cierre</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>Mn</literal></entry>

<entry>Marca no espaciada</entry>

<entry></entry>

</row>

<row>

<entry><literal>N</literal></entry>

<entry>Número</entry>

<entry></entry>

</row>

<row>

<entry><literal>Nd</literal></entry>

<entry>Número decimal</entry>

<entry></entry>

</row>

<row>

<entry><literal>Nl</literal></entry>

<entry>Número de letra</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>No</literal></entry>

<entry>Otro número</entry>

<entry></entry>

</row>

<row>

<entry><literal>P</literal></entry>

<entry>Puntuación</entry>

<entry></entry>

</row>

<row>

<entry><literal>Pc</literal></entry>

<entry>Puntuación de conexión</entry>

<entry></entry>

</row>

<row>

<entry><literal>Pd</literal></entry>

<entry>Puntuación de guión</entry>

<entry></entry>

</row>

<row>

<entry><literal>Pe</literal></entry>

<entry>Puntuación de cierre</entry>

<entry></entry>

</row>

<row>

<entry><literal>Pf</literal></entry>

<entry>Puntuación final</entry>

<entry></entry>

</row>

<row>

<entry><literal>Pi</literal></entry>

<entry>Puntuación inicial</entry>

<entry></entry>

</row>

<row>

<entry><literal>Po</literal></entry>

<entry>Otra puntuación</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>Ps</literal></entry>

<entry>Puntuación de apertura</entry>

<entry></entry>

</row>

<row>

<entry><literal>S</literal></entry>

<entry>Símbolo</entry>

<entry></entry>

</row>

<row>

<entry><literal>Sc</literal></entry>

<entry>Símbolo de moneda</entry>

<entry></entry>

</row>

<row>

<entry><literal>Sk</literal></entry>

<entry>Símbolo modificador</entry>

<entry></entry>

</row>

<row>

<entry><literal>Sm</literal></entry>

<entry>Símbolo matemático</entry>

<entry></entry>

</row>

<row rowsep="1">

<entry><literal>So</literal></entry>

<entry>Otro símbolo</entry>

<entry>Incluye emojis</entry>

</row>

<row>

<entry><literal>Z</literal></entry>

<entry>Separador</entry>

<entry></entry>

</row>

<row>

<entry><literal>Zl</literal></entry>

<entry>Separador de línea</entry>

<entry></entry>

</row>

<row>

<entry><literal>Zp</literal></entry>

<entry>Separador de párrafo</entry>

<entry></entry>

</row>

<row>

<entry><literal>Zs</literal></entry>

<entry>Separador de espacio</entry>

<entry></entry>

</row>

</tbody>

</tgroup>

</table>

<para>

Las propiedades extendidas como <literal>InMusicalSymbols</literal> no

son soportadas por PCRE.

</para>

<para>

Especificar coincidencia sin distinción de mayúsculas y minúsculas no afecta estas secuencias de escape.

Por ejemplo, <literal>\p{Lu}</literal> siempre coincide solo con letras mayúsculas.

</para>

<para>

Los conjuntos de caracteres Unicode están definidos como pertenecientes a ciertos guiones. Un

carácter de uno de estos conjuntos puede coincidir usando un nombre de guión. Por

ejemplo:

</para>

<itemizedlist>

<listitem>

<simpara><literal>\p{Greek}</literal></simpara>

</listitem>

<listitem>

<simpara><literal>\P{Han}</literal></simpara>

</listitem>

</itemizedlist>

<para>

Aquellos que no son parte de un guión identificado se agrupan juntos como

<literal>Common</literal>. La lista actual de guiones es:

</para>

<table>

<title>Guiones admitidos</title>

<tgroup cols="5">

<tbody>

<row>

<entry><literal>Arabic</literal></entry>

<entry><literal>Armenian</literal></entry>

<entry><literal>Avestan</literal></entry>

<entry><literal>Balinese</literal></entry>

<entry><literal>Bamum</literal></entry>

</row>

<row>

<entry><literal>Batak</literal></entry>

<entry><literal>Bengali</literal></entry>

<entry><literal>Bopomofo</literal></entry>

<entry><literal>Brahmi</literal></entry>

<entry><literal>Braille</literal></entry>

</row>

<row>

<entry><literal>Buginese</literal></entry>

<entry><literal>Buhid</literal></entry>

<entry><literal>Canadian_Aboriginal</literal></entry>

<entry><literal>Carian</literal></entry>

<entry><literal>Chakma</literal></entry>

</row>

<row>

<entry><literal>Cham</literal></entry>

<entry><literal>Cherokee</literal></entry>

<entry><literal>Common</literal></entry>

<entry><literal>Coptic</literal></entry>

<entry><literal>Cuneiform</literal></entry>

</row>

<row>

<entry><literal>Cypriot</literal></entry>

<entry><literal>Cyrillic</literal></entry>

<entry><literal>Deseret</literal></entry>

<entry><literal>Devanagari</literal></entry>

<entry><literal>Egyptian_Hieroglyphs</literal></entry>

</row>

<row>

<entry><literal>Ethiopic</literal></entry>

<entry><literal>Georgian</literal></entry>

<entry><literal>Glagolitic</literal></entry>

<entry><literal>Gothic</literal></entry>

<entry><literal>Greek</literal></entry>

</row>

<row>

<entry><literal>Gujarati</literal></entry>

<entry><literal>Gurmukhi</literal></entry>

<entry><literal>Han</literal></entry>

<entry><literal>Hangul</literal></entry>

<entry><literal>Hanunoo</literal></entry>

</row>

<row>

<entry><literal>Hebrew</literal></entry>

<entry><literal>Hiragana</literal></entry>

<entry><literal>Imperial_Aramaic</literal></entry>

<entry><literal>Inherited</literal></entry>

<entry><literal>Inscriptional_Pahlavi</literal></entry>

</row>

<row>

<entry><literal>Inscriptional_Parthian</literal></entry>

<entry><literal>Javanese</literal></entry>

<entry><literal>Kaithi</literal></entry>

<entry><literal>Kannada</literal></entry>

<entry><literal>Katakana</literal></entry>

</row>

<row>

<entry><literal>Kayah_Li</literal></entry>

<entry><literal>Kharoshthi</literal></entry>

<entry><literal>Khmer</literal></entry>

<entry><literal>Lao</literal></entry>

<entry><literal>Latin</literal></entry>

</row>

<row>

<entry><literal>Lepcha</literal></entry>

<entry><literal>Limbu</literal></entry>

<entry><literal>Linear_B</literal></entry>

<entry><literal>Lisu</literal></entry>

<entry><literal>Lycian</literal></entry>

</row>

<row>

<entry><literal>Lydian</literal></entry>

<entry><literal>Malayalam</literal></entry>

<entry><literal>Mandaic</literal></entry>

<entry><literal>Meetei_Mayek</literal></entry>

<entry><literal>Meroitic_Cursive</literal></entry>

</row>

<row>

<entry><literal>Meroitic_Hieroglyphs</literal></entry>

<entry><literal>Miao</literal></entry>

<entry><literal>Mongolian</literal></entry>

<entry><literal>Myanmar</literal></entry>

<entry><literal>New_Tai_Lue</literal></entry>

</row>

<row>

<entry><literal>Nko</literal></entry>

<entry><literal>Ogham</literal></entry>

<entry><literal>Old_Italic</literal></entry>

<entry><literal>Old_Persian</literal></entry>

<entry><literal>Old_South_Arabian</literal></entry>

</row>

<row>

<entry><literal>Old_Turkic</literal></entry>

<entry><literal>Ol_Chiki</literal></entry>

<entry><literal>Oriya</literal></entry>

<entry><literal>Osmanya</literal></entry>

<entry><literal>Phags_Pa</literal></entry>

</row>

<row>

<entry><literal>Phoenician</literal></entry>

<entry><literal>Rejang</literal></entry>

<entry><literal>Runic</literal></entry>

<entry><literal>Samaritan</literal></entry>

<entry><literal>Saurashtra</literal></entry>

</row>

<row>

<entry><literal>Sharada</literal></entry>

<entry><literal>Shavian</literal></entry>

<entry><literal>Sinhala</literal></entry>

<entry><literal>Sora_Sompeng</literal></entry>

<entry><literal>Sundanese</literal></entry>

</row>

<row>

<entry><literal>Syloti_Nagri</literal></entry>

<entry><literal>Syriac</literal></entry>

<entry><literal>Tagalog</literal></entry>

<entry><literal>Tagbanwa</literal></entry>

<entry><literal>Tai_Le</literal></entry>

</row>

<row>

<entry><literal>Tai_Tham</literal></entry>

<entry><literal>Tai_Viet</literal></entry>

<entry><literal>Takri</literal></entry>

<entry><literal>Tamil</literal></entry>

<entry><literal>Telugu</literal></entry>

</row>

<row>

<entry><literal>Thaana</literal></entry>

<entry><literal>Thai</literal></entry>

<entry><literal>Tibetan</literal></entry>

<entry><literal>Tifinagh</literal></entry>