正则表达式-查找匹配项中的匹配项

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。 我需要它以第二个href开头。 换句话说，它只应捕获以.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

您可以尝试以下正则表达式：

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

regex101演示

在大多数情况下，当您可以避免使用.*或.+ （或它们的惰性版本）时，最好使用:)

另外，不要忘记逃避时期。

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');
}