Question

基本上我正在尝试使用preg_match查找带有PDF附件的所有链接，然后将整个url添加到数组中。我正在努力的部分是如何在比赛前选择所有内容，直到<a href="">的“引号”。我想这样做，这样我就可以循环遍历数组，并为每个文档做我需要的任何事情。我只想在数组中以'1234.pdf'（加上任何子目录信息）结束。

有什么想法吗？

这是我到目前为止，它只返回匹配...

$string1 = "<a href='1234.pdf'>Document 1</a>";

$match = preg_match("/.pdf/i", $string1, $output);

由于

Answer 1

您应该使用DOM解析器来提取该信息，因为它更容易，而且更安全。然后，您可以使用preg_match检查链接是否实际上是PDF：

$html = '<a href="foo.pdf">Foo</a>'.
        '<a href="bar.jpg">Bar</a>'.
        '<a href="baz.pdf">Baz</a>';

$dom = new DOMDocument;
$dom->loadHTML($html);
$links = $dom->getElementsByTagName('a');

$result = array();
foreach ($links as $link) {
   $href = $link->getAttribute('href');
   if (preg_match('/\.pdf$/i', $href)) $result[] = $href;
}

print_r($result);

输出：

Array
(
    [0] => foo.pdf
    [1] => baz.pdf
)

Answer 2

您应该使用正确的HTML解析器（请参阅netcoder的答案）并应用XPath表达式来解决此问题。如果您受到约束并决定使用正则表达式，请尝试以下方法：

$match = preg_match_all("/(?<=href=['\"])([^'\"]*\\.pdf[^'\"]*)(?=['\"])/",
                        $string1, $output);

Answer 3

如果我理解正确，听起来你需要使用子模式。尝试这样的事情......

$match = preg_match("/href=\"(.*\.pdf)\"/i", $string1, $output);

$ output变量应该是一个数组，索引0包含全文匹配，索引1包含从括号之间匹配的文本。

php preg_match。添加到数组

3 个答案: