正则表达式以http开头并以pdf结尾？

Question

我已经加载了整个页面的HTML，并希望检索所有以http开头并以pdf结尾的网址。我写了以下哪些不起作用：

$html = file_get_contents( "http://www.example.com" );
preg_match( '/^http(pdf)$/', $html, $matches );

我对正则表达式很新，但从我所学到的^标志着模式的开始，$标志着结束。我做错了什么？

Answer 1

您需要匹配网址中间的字符：

/\bhttp[\w%+\/-]+?pdf\b/

• \b匹配字边界

• ^和$标记整个字符串的开头和结尾。你不希望他们在这里。

• [...]匹配括号中的任何字符

• \w匹配任何单词字符

• +匹配上一场比赛中的一项或多项

• ?让+懒惰而非贪婪

Answer 2

preg_match( '/http[^\s]+pdf/', $html, $matches );

匹配http后跟不（[^...]）个空格（\s）一次或多次（+）后跟pdf

Answer 3

试试这个，

preg_match( '/\bhttp\S*pdf\b/', $html, $matches );

您需要匹配http和pdf之间的部分，这是.*?正在做的事情。

^匹配字符串的开头，$结束，但当你想从较长的文本中提取这些链接时，这不是你想要的。

\b匹配字边界

<强>更新

为了完整性，.*?仍会与\S*

交换得太多

\S匹配非空白字符

Answer 4

试试这个：

preg_match_all('/\bhttp\S*?pdf\b/', $html, $matches);

请注意，您需要在此处使用preg_match_all()-function，因为您尝试匹配多个匹配项。 ^和$无效，因为它们仅适用于行或文件边界（取决于使用的修饰符）。

Answer 5

preg_match( '/^http.*pdf$/', $html, $matches );

更好（工作）