Referências retroativas

Fora de uma classe de caracteres, uma barra invertida seguida por um dígito maior que 0 (e possivelmente dígitos adicionais) é uma referência retroativa a um grupo de captura realizada anteriormente (isto é, à sua esquerda) na expressão, desde que tenha havido previamente essa quantidade de captura entre parênteses.

Porém, se um número decimal seguindo a barra invertida for menor que 10, ele sempre será interpretado como uma referência retroativa e causará um erro somente se não tiver havido essa quantidade de grupos de captura em toda a expressão. Em outras palavras, os parênteses que são referenciados não precisam estar à esquerda da referência para números menores que 10. Uma "referência retroativa à frente" pode fazer sentido quando uma repetição está envolvida e a sub-expressão à direita tenha participado de uma iteração anterior. Consulte a seção sobre sequências de escape para detalhes adicionais da manipulação de dígitos que seguem uma barra invertida.

Uma referência retroativa corresponde a qualquer coisa que verdadeiramente correspondeu à sub-expressão de captura na string de entrada atual, e não a qualquer coisa que corresponda à sub-expressão em si. Portanto, a expressão (sens|respons)e and \1ibility corresponde a "sense and sensibility" e "response and responsibility", mas não a "sense and responsibility". Se a correspondência for sensível a maiúsculas/minúsculas no momento da referência retroativa, a forma das letras será relevante. Por exemplo, ((?i)rah)\s+\1 corresponde a "rah rah" e "RAH RAH", mas não a "RAH rah", embora a sub-expressão de captura original seja correspondida de forma insensível a maiúsculas/minúsculas.

Pode haver mais que uma referência retroativa à mesma sub-expressão. Se uma sub-expressão não tiver sido usada em uma correspondência em particular, qualquer referência retroativa a ela sempre falhará. Por exemplo, a expressão (a|(bc))\2 sempre falhará se ele iniciar correspondendo a "a" ao invés de "bc". Como podem haver até 99 referências retroativas, todos os dígitos seguindo a barra invertida são consideradas como parte de um potencial número de identificador de referência retroativa. Se a expressão continua com um caractere de dígito, algum delimitador precisa ser usado para terminar a referência retroativa. Se a opção PCRE_EXTENDED estiver definida, o delimitador pode ser um espaço em branco. Caso contrário um comentário vazio pode ser usado.

Uma referência retroativa que ocorre dentro dos parênteses aos quais ela se refere falha quando a sub-expressão é usada pela primeira vez, portanto, por exemplo, (a\1) nunca será correspondida. No entanto, tais referências podem ser úteis dentro de sub-expressões repetidas. Por exemplo, a expressão (a|b\1)+ corresponde a qualquer número de "a"s e também a "aba", "ababba" etc. A cada iteração da sub-expressão, a referência retroativa corresponde à string de caracteres relativa à iteração anterior. Para que isso funcione, a expressão precisa ser tal que a primeira iteração não precise corresponder à referência retroativa. Isto pode ser feito usando alternância, como no exemplo acima, ou por um quantificador com um mínimo de zero.

A sequência de escape \g pode ser usada para referências absolutas e relativas de sub-expressões. Esta sequência de escape precisa ser seguida por um número sem sinal ou negativo, opcionalmente envolvido por chaves. As sequências \1, \g1 e \g{1} são sinônimos entre si. O uso desta expressão com um número sem sinal pode ajudar a remover a ambiguidade inerente ao usar dígitos após uma barra invertida. A sequência ajuda a distinguir referências de caracteres octais e também torna mais fácil ter uma referência seguida por um número literal, ex.: \g{2}1.

O uso da sequência \g com um número negativo significa uma referência relativa. Por exemplo, (foo)(bar)\g{-1} corresponderia à sequência "foobarbar" e (foo)(bar)\g{-2} corresponderia a "foobarfoo". Isto pode ser útil em expressões longas como uma alternativa para manter rastreamento do número de sub-expressões para referenciar uma sub-expressão anterior específica.

Referências às sub-expressões nomeadas podem ser obtidas com (?P=nome), \k<nome>, \k'nome', \k{nome}, \g{nome}, \g<nome> ou \g'nome'.