Ich habe den gesamten HTML-Code einer Seite geladen und möchte alle URLs abrufen, die mit http beginnen und mit pdf enden. Ich habe folgendes geschrieben, was nicht funktioniert hat:
%Vor% Ich bin ziemlich neu in Regex, aber aus dem, was ich gelernt habe, markiert ^ den Anfang eines Musters und $ markiert das Ende. Was mache ich falsch?
Sie müssen den Zeichen in der Mitte der URL entsprechen:
%Vor% \b entspricht einer Wortgrenze
^ und $ markieren Anfang und Ende der gesamten Zeichenkette . Du willst sie nicht hier haben.
[...] entspricht einem beliebigen Zeichen in den Klammern
\w entspricht einem beliebigen Wortzeichen
+ entspricht einem oder mehreren der vorherigen Übereinstimmung
? macht die + eher faul als gierig
preg_match( '/http[^\s]+pdf/', $html, $matches );
Entspricht http gefolgt von nicht ( [^...] ) Leerzeichen ( \s ) einmal oder mehrmals ( + ) gefolgt von pdf
Probieren Sie das aus,
%Vor% Sie müssen den Teil zwischen http und pdf abgleichen, was .*? tut.
^ entspricht dem Anfang der Zeichenfolge und $ dem Ende, aber das ist nicht das, was Sie wollen, wenn Sie diese Links aus einem längeren Text extrahieren möchten.
\b passt auf Wortgrenzen
Aktualisieren
Der Vollständigkeit halber würde das .*? immer noch zu viel übereinstimmen, also mit \S*
\S entspricht einem Nicht-Leerzeichen-Zeichen
Versuchen Sie Folgendes:
%Vor% Beachten Sie, dass Sie die preg_match_all() -Funktion hier verwenden müssen, da Sie versuchen, mehr als ein Vorkommen zu finden. ^ und $ funktionieren nicht, da sie nur auf Zeilen- oder Dateigrenzen angewendet werden (abhängig von den verwendeten Modifikatoren).
Tags und Links php regex preg-match