<?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>Описание синтаксиса Perl-совместимых регулярных выражений</title>

<titleabbrev>Синтаксис регулярных выражений</titleabbrev>

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

<title>Вступление</title>

<para>

Раздел описывает синтаксис и семантику регулярных выражений, которые поддерживает

модуль PCRE. Регулярные выражения также описывают документация

языка Perl и много других книг, отдельные содержат большое количество

примеров. Подробно регулярные выражения описывает книга

Джеффри Фридла «Регулярные выражения» (Jeffrey Friedl

“Mastering Regular Expressions”), опубликованная издательством O'Reilly

(ISBN 1-56592-257-3).

Описание здесь привели как справочную информацию.

</para>

<para>

Регулярное выражение — это шаблон, с которым входная строка сравнивается слева направо.

Большинство символов в шаблоне — буквально сами символы,

которые совпадают с символами во входной строке.

В качестве банального примера, шаблон

<literal>The quick brown fox</literal>

соответствует той части искомой строки, которая с ним совпадает.

</para>

</section>

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

<title>Разделители</title>

<para>

При работе с функциями модуля PCRE шаблон заключают

в <emphasis>разделители</emphasis>.

В качестве разделителя разрешены любые символы, кроме буквенно-цифровых, обратного

слеша или пробельных символов.

Парсер без предупреждения проигнорирует пробел перед корректным разделителем.

</para>

<para>

Разделители, которыми пользуются чаще: слеши (<literal>/</literal>),

знаки решётки (<literal>#</literal>) и тильды (<literal>~</literal>).

Следующий абзац приводит примеры шаблонов с корректными разделителями.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

</para>

<para>

Скобки также указывают как разделители, где начальный разделитель —

открывающая скобка, а конечный разделитель —

закрывающая. Символы <literal>()</literal>, <literal>{}</literal>,

<literal>[]</literal> и <literal>&lt;&gt;</literal> —

допустимые пары разделителей.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

Разделители в виде скобок не нужно экранировать, если скобки также задали

как метасимволы в шаблоне, но как и с другими разделителями скобки нужно

экранировать, если их указывают непосредственно как символы.

</para>

<para>

Разделитель экранируют обратным слешем «\», если нужно указать разделитель

внутри шаблона. Если разделитель часто указывают в шаблоне, в целях удобочитаемости

выбирают другой разделитель для этого шаблона.

<informalexample>

<programlisting>

</programlisting>

</informalexample>

Функцией <function>preg_quote</function> пользуются, чтобы

экранировать строку в шаблоне, а необязательный второй параметр функции

разрешает задать разделитель.

</para>

<para>

После закрывающего разделителя указывают

<link linkend="reference.pcre.pattern.modifiers">модификаторы

шаблонов</link>. Следующий пример показывает сопоставление без учёта регистра:

<informalexample>

<programlisting>

</programlisting>

</informalexample>

</para>

</section>

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

<title>Метасимволы</title>

<para>

Сила регулярных выражений состоит в том, что в шаблон можно включать подшаблоны

для альтернативного сопоставления и поиска повторений.

Альтернативы и повторения кодируют в шаблоне <emphasis>метасимволами</emphasis>,

которые парсер интерпретирует не как самих себя, а особым образом.

</para>

<para>

В коде метасимволы записывают двумя способами: одни парсер распознаёт за пределами

квадратных скобок, другие — внутри квадратных скобок. Вне квадратных скобок

распознаются следующие метасимволы:

<table>

<title>Метасимволы вне квадратных скобок</title>

<tgroup cols="2">

<thead>

<row>

<entry>Метасимвол</entry>

<entry>Описание</entry>

</row>

</thead>

<tbody>

<row>

<entry>\</entry>

<entry>общий экранирующий символ с несколькими назначениями</entry>

</row>

<row>

<entry>^</entry>

<entry>декларирует начало данных (или строки в многострочном режиме)</entry>

</row>

<row>

<entry>$</entry>

<entry>декларирует конец данных или до завершения строки (или окончание строки в многострочном режиме)</entry>

</row>

<row>

<entry>.</entry>

<entry>соответствует любому символу, кроме перевода строки (по умолчанию)</entry>

</row>

<row>

<entry>[</entry>

<entry>начало описания символьного класса</entry>

</row>

<row>

<entry>]</entry>

<entry>конец описания символьного класса</entry>

</row>

<row>

<entry>|</entry>

<entry>начало ветки условного выбора</entry>

</row>

<row>

<entry>(</entry>

<entry>начало подшаблона</entry>

</row>

<row>

<entry>)</entry>

<entry>конец подшаблона</entry>

</row>

<row>

<entry>?</entry>

<entry>

расширяет смысл метасимвола <literal>(</literal>,

выступает в роли квантификатора, который означает 0 или 1 вхождение,

а также преобразовывает жадные квантификаторы в ленивые

(смотрите раздел «<link linkend="regexp.reference.repetition">Повторение</link>»)

</entry>

</row>

<row>

<entry>*</entry>

<entry>квантификатор, который означает 0 или более вхождений</entry>

</row>

<row>

<entry>+</entry>

<entry>квантификатор, который означает 1 или более вхождений</entry>

</row>

<row>

<entry>{</entry>

<entry>начало количественного квантификатора</entry>

</row>

<row>

<entry>}</entry>

<entry>конец количественного квантификатора</entry>

</row>

</tbody>

</tgroup>

</table>

Часть шаблона в квадратных скобках называется

<link linkend="regexp.reference.character-classes">символьным классом</link>.

В символьный класс входят только следующие метасимволы:

<table>

<title>

Метасимволы внутри квадратных скобок (<emphasis>символьные классы</emphasis>)

</title>

<tgroup cols="2">

<thead>

<row>

<entry>Метасимвол</entry>

<entry>Описание</entry>

</row>

</thead>

<tbody>

<row>

<entry>\</entry>

<entry>общий экранирующий символ</entry>

</row>

<row>

<entry>^</entry>

<entry>означает отрицание класса, допустим только в начале класса</entry>

</row>

<row>

<entry>-</entry>

<entry>означает символьный интервал</entry>

</row>

</tbody>

</tgroup>

</table>

Другие разделы детально описывают каждый из перечисленных метасимволов.

</para>

</section>

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

<title>Экранирующие последовательности</title>

<para>

У обратного слеша «\» несколько назначений. Главное — если обратный слеш

предшествует небуквенно-цифровому символу, обратный слеш снимает с этого символа

специальное значение, которое символ мог иметь. Обратный слеш как экранирующий символ

допустим как в символьном классе, так и вне него.

</para>

<para>

Например, для сопоставления символа «*» в шаблоне указывают «\*».

Такой подход применяют независимо от того,

интерпретировал бы парсер символ, который идёт за обратным слешем, как

специальный без экранирования или нет. Поэтому небуквенно-цифровые символы

безопасно экранировать символом обратного слеша «\», чтобы указать,

что символ означает сам себя. Для сопоставления

обратного слеша с самим собой, записывают «\\».

</para>

<note>

<para>

Обратный слеш в одинарных и двойных <link linkend="language.types.string.syntax">PHP-строках</link>

работает как служебный символ. Поэтому когда нужно сопоставить символ \ с регулярным выражением \\,

в PHP-коде указывают "\\\\" или '\\\\'.

</para>

</note>

<para>

Если указали модификатор

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

пробельные символы в шаблоне вне описания символьного класса парсер проигнорирует.

Также игнорируется часть строки, которая находится между символом «#»,

который, опять же, не участвует в описании символьного класса,

и следующим символом перевода строки. В этой ситуации обратный слеш указывают

как экранирующий символ для обозначения вхождений пробельных символов

или символа «#» в шаблоне.

</para>

<para>

Второе назначение обратного слеша — кодировать непечатаемые символы в шаблоне в видимой форме.

Нет ограничений на появление непечатаемых символов, кроме двоичного нуля,

который завершает шаблон, но при подготовке шаблона в текстовом редакторе

проще записывать следующие экранирующие последовательности, чем двоичный символ,

который представляет такую последовательность:

</para>

<para>

<variablelist>

<varlistentry>

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

<listitem>

<simpara>символ оповещения, сигнал, (BEL, шестнадцатеричный код 07)</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>«control + x», где x — произвольный символ</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\e</emphasis></term>

<listitem>

<simpara>escape (шестнадцатеричный код 1B)</simpara>

</listitem>

</varlistentry>

<varlistentry>

<term><emphasis>\f</emphasis></term>

<listitem>

<simpara>разрыв страницы (шестнадцатеричный код 0C)</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>перевод строки (шестнадцатеричный код 0A)</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

символ со свойством xx, подробнее об этом рассказывает раздел

«<link linkend="regexp.reference.unicode">Свойства Unicode-символов</link>»

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

символ без свойства xx, подробнее об этом рассказывает раздел

«<link linkend="regexp.reference.unicode">Свойства Unicode-символов</link>»

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>возврат каретки (шестнадцатеричный код 0D)</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>разрыв строки: совпадает с \n, \r и \r\n</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>табуляция (шестнадцатеричный код 09)</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

символ с шестнадцатеричным кодом hh

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>символ с восьмеричным кодом ddd, либо ссылка на подшаблон</simpara>

</listitem>

</varlistentry>

</variablelist>

</para>

<para>

Если быть более точным, комбинация «<literal>\cx</literal>» интерпретируется

следующим образом: если «<literal>x</literal>» — символ нижнего регистра,

он преобразовывается в верхний регистр.

После этого шестой бит символа (шестнадцатеричный код 40) инвертируется.

Таким образом, комбинация «<literal>\cz</literal>» интерпретируется как шестнадцатеричное

значение 1A, тогда как комбинация «<literal>\c{</literal>» получает шестнадцатеричное

значение 3B, а «<literal>\c;</literal>» — 7B.

</para>

<para>

После комбинации «<literal>\x</literal>» считываются ещё две шестнадцатеричные цифры

в нижнем или верхнем регистре. В <emphasis>режиме UTF-8</emphasis> разрешена запись

«<literal>\x{...}</literal>», где содержимое скобок — строка из шестнадцатеричных цифр.

Такая запись интерпретируется как символ UTF-8, кодовый номер которого — шестнадцатеричное число.

Исходная шестнадцатеричная экранирующая последовательность <literal>\xhh</literal>

совпадает с двухбайтовым символом в кодировке UTF-8, если значение шестнадцатеричного числа

превышает 127.

</para>

<para>

После комбинации «<literal>\0</literal>» считываются ещё две восьмеричные цифры.

Если в записи менее двух цифр, считываются только те, которые указали.

Таким образом, последовательность «<literal>\0\x\07</literal>» будет интерпретирована

как два двоичных нуля, за которыми следует символ оповещения (звонок). Убедитесь, что

указали две цифры после начального нуля, если символ, который идёт за нулём, сам

восьмеричная цифра.

</para>

<para>

Обработка обратного слеша, за которым следует ненулевая цифра, несколько сложнее.

Вне символьного класса модуль PCRE воспринимает обратный слеш и цифры за ним

как десятичное число. Если полученное значение меньше десяти

или если шаблон содержит по меньшей мере такое же количество предшествующих

текущей позиции подшаблонов, парсер интерпретирует всю конструкцию как

<emphasis>ссылку на подшаблон</emphasis>.

Более детальное описание приведём ниже при обсуждении механизма работы подшаблонов.

</para>

<para>

Внутри символьного класса, либо если полученное значение больше 9 и соответствующее

количество предшествующих подшаблонов отсутствует, модуль PCRE считывает до трёх восьмеричных

цифр, которые следуют за обратным слешем, и генерирует один байт из последних 8-ми

значащих битов полученного значения. Все последующие цифры обозначают сами себя. Например:

</para>

<para>

<variablelist>

<varlistentry>

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

<listitem><simpara>ещё один способ записи пробела</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

то же самое, если данной записи предшествует менее сорока подшаблонов

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>всегда интерпретируется как ссылка на подшаблон</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

может быть как обратной ссылкой, так и альтернативной записью символа табуляции

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>всегда интерпретируется как символ табуляции</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>символ табуляции, за которым следует цифра «3»</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

интерпретируется как символ с восьмеричным кодом 113 (так как ссылок на подшаблоны не может быть больше 99)

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>байт, всецело состоящий из единичных битов</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

либо обратная ссылка, либо бинарный ноль, за которым следуют цифры «8» и «1»

</simpara>

</listitem>

</varlistentry>

</variablelist>

</para>

<para>

Следует помнить, что восьмеричные значения, превышающие 100, следует писать без

лидирующего нуля, так как читается не более трёх восьмеричных цифр.

</para>

<para>

Все последовательности, определяющие однобайтное значение, могут встречаться

как внутри, так и вне символьных классов. Кроме того, внутри символьного класса

запись «<literal>\b</literal>» интерпретируется как символ возврата

(«backspace», шестнадцатеричный код 08). Вне символьного класса она имеет

другое значение (какое именно, описано ниже).

</para>

<para>

Третье использование обратного слеша — указание общего типа символов:

</para>

<para>

<variablelist>

<varlistentry>

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

<listitem><simpara>любая десятичная цифра</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой символ, кроме десятичной цифры</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой горизонтальный пробельный символ</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой символ, не являющийся горизонтальным пробельным символом</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой пробельный символ</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой непробельный символ</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой вертикальный пробельный символ</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>любой символ, не являющийся вертикальным пробельным символом</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>Любой символ, образующий «слово»</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>Любой символ, не образующий «слово»</simpara></listitem>

</varlistentry>

</variablelist>

</para>

<para>

Каждая пара таких специальных последовательностей делит полное множество

всех символов на два непересекающихся множества.

Любой символ соответствует одному и только одному множеству из пары.

</para>

<para>

Следующие символы считаются «пробельными»: HT (9), LF (10), FF (12), CR (13)

и пробел (32). Однако, если идёт сопоставление с учётом локали, символы

с кодовыми точками в диапазоне 128-255 также рассматриваются как пробельные,

например, символ неразрывного пробела NBSP (A0).

</para>

<para>

Символ, образующий «слово» — это произвольная цифра, буква или символ подчёркивания,

проще говоря, любой символ, которому разрешено быть частью

«<emphasis>слова</emphasis>» в Perl. Определение букв и цифр управляется

символьными таблицами, с которыми собрали модуль PCRE. И, как следствие, эти наборы

могут отличаться в различных локализированных дистрибутивах.

Например, в локали «fr» (Франция) ряд символов с кодом выше 128 применяют

для записи ударных символов и поэтому они соответствуют маске <literal>\w</literal>.

</para>

<para>

Описанные типы символов применяют как внутри, так и вне символьных

классов, и типы соответствуют одному символу данного типа. Если текущая точка

сравнения находится в конце строки, ни один из них не сможет совпасть, поскольку

нет символа, с которым могло бы произойти совпадение.

</para>

<para>

Четвёртое назначение обратного слеша — определение некоторых формальных утверждений,

которые описывают условия месторасположения особых позиций в строке

и не затрагивают сами символы. Работу с подшаблонами как с более

сложными формальными утверждениями, документация описывает ниже.

К такими управляющим последовательностям относятся:

</para>

<para>

<variablelist>

<varlistentry>

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

<listitem><simpara>граница слова</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>не является границей слова</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>начало данных (независимо от многострочного режима)</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem>

<simpara>

конец данных либо позиция перед последним переводом строки (независимо от многострочного режима)

</simpara>

</listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>конец данных (независимо от многострочного режима)</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>первая совпадающая позиция в строке</simpara></listitem>

</varlistentry>

</variablelist>

</para>

<para>

Описанные выше последовательности не могут встречаться в символьных классах

(исключая комбинацию «<literal>\b</literal>», которая внутри класса означает

символ возврата «backspace»).

</para>

<para>

Границей слова считается такая позиция в строке, в которой из текущего и

предыдущего символа только один соответствует <literal>\w</literal> или

<literal>\W</literal> (т.е. один из них соответствует <literal>\w</literal>,

а другой <literal>\W</literal>). Начало или конец строки также соответствуют

границе слова Если первый или, соответственно, последний символ совпадает

с <literal>\w</literal>.

</para>

<para>

Утверждения <literal>\A</literal>, <literal>\Z</literal> и <literal>\z</literal>

отличаются от традиционных метасимволов начала и конца строки строки —

циркумфлекса ^ и знака доллара $, которые описывает раздел

«<link linkend="regexp.reference.anchors">Якоря</link>»,

тем, что они всегда совпадают только в самом начале и конце входной строки,

какие бы параметры ни установили.

На них никак не влияют опции

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

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

Разница между <literal>\Z</literal> и <literal>\z</literal> в том,

что <literal>\Z</literal> соответствует позиции перед последним символом,

если последний символ — перевод строки, кроме самого конца строки.

Тогда как <literal>\z</literal> соответствует исключительно концу данных.

</para>

<para>

Утверждение <literal>\G</literal> будет истинным, только если

текущая проверяемая позиция находится в начале совпадения, которое указали

в параметре <parameter>offset</parameter> функции <function>preg_match</function>.

Она отличается от последовательности <literal>\A</literal> при ненулевом значении

параметра <parameter>offset</parameter>.

</para>

<para>

Последовательности <literal>\Q</literal> и <literal>\E</literal>

игнорируют метасимволы регулярного выражения в шаблоне. Например:

шаблон <literal>\w+\Q.$.\E$</literal> совпадёт с «заякоренными»

в конце строки одним или более символами слова, за которыми следуют

литералы <literal>.$.</literal>. Обратите внимание, что это не меняет поведение

разделителей; например, шаблон <literal>#\Q#\E#$</literal>

неправильный, потому что второй символ <literal>#</literal> отмечает конец шаблона,

а последовательность <literal>\E#</literal> парсер интерпретирует как недопустимые модификаторы.

</para>

<para>

Последовательность <literal>\K</literal> сбрасывает начало совпадения. Например,

шаблон <literal>foo\Kbar</literal> совпадёт со значением «foobar», но сообщит,

что совпал только с «bar». Последовательность

<literal>\K</literal> не мешает установке подшаблонов. Например, если шаблон

<literal>(foo)\Kbar</literal> совпадёт со строкой «foobar», первым подшаблоном

всё равно будет значение «foo».

</para>

</section>

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

<title>Свойства Unicode-символов</title>

<para>

С версии стандарта Unicode 5.1.0 при выборе <emphasis>режима UTF-8</emphasis>

доступны три дополнительные управляющие последовательности для соответствия

общим типам символов. Вот они:

</para>

<variablelist>

<varlistentry>

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

<listitem><simpara>символ со свойством xx</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>символ без свойства xx</simpara></listitem>

</varlistentry>

<varlistentry>

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

<listitem><simpara>расширенная последовательность Unicode</simpara></listitem>

</varlistentry>

</variablelist>

<para>

Имена свойств, которые выше представили символами <literal>xx</literal>, ограничены

общими категориями свойств Unicode. У каждого символа есть ровно одно такое свойство,

которое обозначено двухбуквенной аббревиатурой. Для совместимости с Perl отрицание

можно указать, включив символ циркумфлекса «^» между открывающей скобкой и именем свойства.

Например, <literal>\p{^Lu}</literal> — это то же самое, что и <literal>\P{Lu}</literal>.

</para>

<para>

Если с управляющей последовательностью <literal>\p</literal>

или <literal>\P</literal> указали только одну букву,

она включает все свойства, которые начинаются с этой буквы.

В этом случае при отсутствии отрицания фигурные скобки необязательны;

следующие два примера эквивалентны:

</para>

<informalexample>

<programlisting>

</programlisting>

</informalexample>

<table>

<title>Поддерживаемые коды свойств</title>

<tgroup cols="3">

<thead>

<row>

<entry>Свойство</entry>

<entry>Совпадение</entry>

<entry>Замечание</entry>

</row>

</thead>

<tbody>

<row>

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

<entry>Другое</entry>

<entry></entry>

</row>

<row>

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

<entry>Control</entry>

<entry></entry>

</row>

<row>

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

<entry>Формат</entry>

<entry></entry>

</row>

<row>

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

<entry>Не присвоено</entry>

<entry></entry>

</row>

<row>

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

<entry>Частное использование</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Суррогат</entry>

<entry></entry>

</row>

<row>

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

<entry>Буква</entry>

<entry>

Включает следующие свойства: <literal>Ll</literal>,

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

<literal>Lu</literal>.

</entry>

</row>

<row>

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

<entry>Строчная буква</entry>

<entry></entry>

</row>

<row>

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

<entry>Модификатор буквы</entry>

<entry></entry>

</row>

<row>

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

<entry>Другая буква</entry>

<entry></entry>

</row>

<row>

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

<entry>Заглавная буква</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Прописная буква</entry>

<entry></entry>

</row>

<row>

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

<entry>Знак</entry>

<entry></entry>

</row>

<row>

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

<entry>Пробельный знак</entry>

<entry></entry>

</row>

<row>

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

<entry>Окружающий знак</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Не пробельный знак</entry>

<entry></entry>

</row>

<row>

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

<entry>Число</entry>

<entry></entry>

</row>

<row>

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

<entry>Десятичное число</entry>

<entry></entry>

</row>

<row>

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

<entry>Буквенное число</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Другое число</entry>

<entry></entry>

</row>

<row>

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

<entry>Пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Соединяющая пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Знаки тире</entry>

<entry></entry>

</row>

<row>

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

<entry>Закрывающая пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Заключительная пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Начальная пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Другая пунктуация</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Открывающая пунктуация</entry>

<entry></entry>

</row>

<row>

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

<entry>Символ</entry>

<entry></entry>

</row>

<row>

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

<entry>Денежный знак</entry>

<entry></entry>

</row>

<row>

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

<entry>Модификатор символа</entry>

<entry></entry>

</row>

<row>

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

<entry>Математический символ</entry>

<entry></entry>

</row>

<row rowsep="1">

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

<entry>Другой символ</entry>

<entry>Включая эмодзи</entry>

</row>

<row>

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

<entry>Разделитель</entry>

<entry></entry>

</row>

<row>

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

<entry>Разделитель строки</entry>

<entry></entry>

</row>

<row>

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

<entry>Разделитель абзаца</entry>

<entry></entry>

</row>

<row>

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

<entry>Пробельный разделитель</entry>

<entry></entry>

</row>

</tbody>

</tgroup>

</table>

<para>

Модуль PCRE не поддерживает расширенные свойства наподобие музыкальных символов

(<literal>InMusicalSymbols</literal>).

</para>

<para>

Указание регистронезависимого (безрегистрового) режима не влияет на эти

управляющие последовательности. Например, запись <literal>\p{Lu}</literal> всегда

совпадает только с прописными буквами.

</para>

<para>

Наборы Unicode-символов описываются как те, что принадлежат конкретным сценариям.

Любой символ из этих наборов сопоставим с помощью имени сценария.

Например:

</para>

<itemizedlist>

<listitem>

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

</listitem>

<listitem>

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

</listitem>

</itemizedlist>

<para>

Символы, которые не принадлежат конкретному сценарию, объединяются

в сценарий <literal>Common</literal>. Текущий список сценариев:

</para>

<table>

<title>Поддерживаемые сценарии</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>