Sub-expressões de ocorrência única

Tanto com a maximização quanto com a minimização da repetição, a falha no que se segue normalmente faz com que o item repetido seja reavaliado para ver se um número diferente de repetições permite que o resto da expressão corresponda. Às vezes é útil evitar isso, seja para mudar a natureza da correspondência ou para fazer com que ela falhe antes do que aconteceria de outra forma, quando o autor da expressão sabe que não há sentido em continuar.

Considere, por exemplo, a expressão \d+foo quando aplicada à linha 123456bar

Depois de corresponder a todos os 6 dígitos e depois falhar em corresponder a "foo", a ação normal do algoritmo de correspondência é tentar novamente com somente 5 dígitos correspondendo ao item \d+, e depois com 4, e assim por diante, até falhar na última vez. Sub-expressões de ocorrência única fornecem o meio de especificar que uma vez que a parte da expressão tenha sido correspondida, ela não deve ser reavaliada desta forma, portanto o algoritmo desistiria imediatamente ao falhar na correspondência a "foo" na primeira vez. A notação é um outro tipo de parêntese especial, iniciando com (?> como neste exemplo: (?>\d+)bar

Este tipo de parênteses "trava" a parte da expressão que eles contém uma vez que tenha sido correspondida, e uma falha mais para a frente na expressão é impedida de rastreá-la retroativamente. O restreamento retroativo depois deles para itens anteriores, entretanto, funciona normalmente.

Uma descrição alternativa é que uma sub-expressão deste tipo corresponde à string de caracteres que uma expressão idêntica avulsa corresponderia, se ancorada no ponto atual da string de entrada.

Sub-expressões de ocorrência única não são sub-expressões de captura. Casos simples como o exemplo acima podem sem pensados como uma repetição de maximização que precisa consumir tudo o que ela puder. Portanto, enquanto ambos \d+ e \d+? são preparados para ajustar o número de dígitos que eles correspondem para fazer com o que o resto da expressão tenha correspondência, (?>\d+) pode somente corresponder a uma sequência inteira de dígitos.

Obviamente, esta contrução pode conter sub-expressões arbitrariamente complexas, e ela pode ser aninhada.

Sub-expressões de ocorrência única podem ser usadas em conjunção com afirmações que olham para trás para especificar correspondência eficiente no final da string. Considere a expressão simples abcd$ quando aplicada a uma string longa que não corresponde. Como a correspondência procede da esquerda para a direita, o PCRE irá procurar cada "a" na string e depois ver se o que vem a seguir corresponde ao resto da expressão. Se a expressão for especificada como ^.*abcd$, o .* inicial corresponderá à string inteira primeito, mas quando isso falhar (porque não existe um "a" a seguir), ela faz um rastreamento retroativo para corresponder a todos os caracteres exceto ao último, e depois todos exceto os últimos dois, e assim por diante. Uma vez mais a pesuisa por "a" cobre a string inteira, da direita para a esquerda, portanto não melhorou em nada. Porém, se a expressão for escrita como ^(?>.*)(?<=abcd), não poderá haver rastreamento retroativo para o item ".*". ele pode corresponder somente à string inteira. A afirmação subsequente faz um teste simples nos últimos quatro caracteres. Se ela falhar, a correspondência falha imediatamente. Para strings longas, este métodos faz uma diferença significativa no tempo de processamento.

Quando uma expressão contém uma repetição ilimitada dentro de uma sub-expressão que pode ser repetida um número ilimitado de vezes, o uso de uma sub-expressão de ocorrência única é a única maneira de evitar que algumas correspondências com falha demorem muito tempo. A expressão (\D+|<\d+>)*[!?] corresponde a um número ilimitado de sub-expressões que consistem de não-dígitos, ou de dígitos envolvidos por <>, seguidos por ! ou ?. Quando ela é correspondida, é executada rapidamente. Porém, se for aplicada a aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa, ela leva um longo tempo antes de reportar falha. Isso ocorre porque a string pode ser dividida entre as duas repetições de várias maneiras e todas precisam ser tentadas. (O exemplo usou [!?] em vez de um único caractere no final, porque tanto o PCRE quanto o Perl têm uma otimização que permite falha rápida quando um único caractere é usado. Eles lembram o último caractere único necessário para uma correspondência, e falhar antecipadamente se não estiver presente na string.) Se a expressão for alterada para ((?>\D+)|<\d+>)*[!?], sequências de não-dígitos não podem ser quebradas, e a falha acontece rapidamente.