缩小正则表达式的结果

Question

我正在创建一个正则表达式。这是我的测试数据集：

<a href="test.html">test1</a>
<a href="test.pdf">test2</a>
<a href="test.html">test1</a>
<a href="test.html">test1</a><a href="testtime.pdf">test2</a>

我试图从＆＃34; href =＆＃34;到＆＃34; pdf＆＃34;，但是以下正则表达式：

href=.*?\.pdf

如果它被隔离到一行，它将捕获正确的数据，但它也将匹配最后一行的以下数据：

href="test.html">test1</a><a href="testtime.pdf

我只想从最后一次＆＃34; href＆＃34;对于＆＃34; .pdf＆＃34;，我不想要第一个＆＃34; href＆＃34;在线或它与第二个＆＃34; href＆＃34;之间的任何东西。是否可以修改正则表达式以使其正确匹配？

感谢。

Answer 1

使属性以引号开头，值不包含此引号：

href="[^"]*?\.pdf

演示：https://regex101.com/r/UuRin3/1

P.S。

Don't use Regex to parse HTML

Answer 2

首先，使用捕获组，它们允许您匹配整个单词，但只提取其中的一部分，例如href=\"(.*\.pdf)\"应该允许您匹配href="xxxx.pdf"字符串，但仅提取{{ 1}}部分。

如何执行此操作取决于您用于获取Regex的技术。不知怎的，我怀疑这是HTML。