Question

如果字符串是

<li>Your browser may be missing a required plug-in contained in <a href="http://get.adobe.com/reader/">Adobe Acrobat Reader</a>.  Please reload this page after installing the missing component.<br />If this error persists, you can also save a copy of <a href="test.pdf">

我写的正则表达式是

/href=.*?.pdf/

这导致捕获第一个'href'并以'.pdf'结尾。我需要它从第二个href开始。换句话说，它应该只捕获以.pdf

结尾的href

我应该如何使用正则表达式来解决这个问题？

Answer 1

你可以试试这个正则表达式：

/href=[^>]+\.pdf/

regex101 demo

大多数情况下，当您可以避免.*或.+（或其懒惰版本）时，最好是：）

另外，不要忘记逃避。

Answer 2

您应该使用DOM而不是使用正则表达式来解析HTML或XML。在PHP中有DOMDocument类：

$doc = new DOMDocument();
$doc->loadHTML('<li>Your browser may be missing a required plug-in contained in <a href="http://get.adobe.com/reader/">Adobe Acrobat Reader</a>.  Please reload this page after installing the missing component.<br />If this error persists, you can also save a copy of <a href="http://www.police.vt.edu/VTPD_v2.1/crime_stats/crime_logs/data/VT_2011-01_Crime_Log.pdf">');

$links = $doc->getElementsByTagName('a');
foreach($links as $link) {
    echo $link->getAttribute('href');
}

正则表达式 - 查找匹配内的匹配项

2 个答案: