PHP：正则表达式在文件中搜索模式并选择它

Question

我真的对 PHP 的正则表达式感到困惑。

无论如何，我现在无法阅读整个教程，因为我有一堆 html 文件，我必须尽快在其中找到链接。我想出了用我知道的语言的 php 代码来自动化它的想法。

所以我想我可以使用这个脚本：

$address = "file.txt"; 
$input = @file_get_contents($address) or die("Could not access file: $address");
$regexp = "??????????"; 
if(preg_match_all("/$regexp/siU", $input, $matches)) { 
    // $matches[2] = array of link addresses 
   // $matches[3] = array of link text - including HTML code 
} 

我的问题是$regexp

我需要的模式是这样的：

href="/content/r807215r37l86637/fulltext.pdf" title="Download PDF

我想从上面的行中搜索并获取/content/r807215r37l86637/fulltext.pdf，我在文件中有很多。

有什么帮助吗？

===================

编辑

标题属性对我来说很重要，我想要的所有属性都有标题

title="下载 PDF"

Answer 1

再一次，正则表达式是bad for parsing html。

保存您的理智并使用内置的 DOM 库。

$dom = new DOMDocument();
@$dom->loadHTML($html);
$x = new DOMXPath($dom);
    $data = array();
foreach($x->query("//a[@title='Download PDF']") as $node)
{
    $data[] = $node->getAttribute("href");
}

编辑 根据 ircmaxell 注释更新代码。

Answer 2

使用 phpQuery 或 QueryPath 会更容易：

foreach (qp($html)->find("a") as $a) { 
    if ($a->attr("title") == "PDF") {
        print $a->attr("href");
        print $a->innerHTML();
    }
}

对于正则表达式，它取决于源的某种一致性：

preg_match_all('#<a[^>]+href="([^>"]+)"[^>]+title="Download PDF"[^>]*>(.*?)</a>#sim', $input, $m);

寻找固定的title="..." 属性是可行的，但更困难，因为它取决于右括号之前的位置。

Answer 3

试试这样的。如果它不起作用，请显示一些您要解析的链接示例。

<?php
$address = "file.txt"; 
$input = @file_get_contents($address) or die("Could not access file: $address");
$regexp = '#<a[^>]*href="([^"]*)"[^>]*title="Download PDF"#'; 

if(preg_match_all($regexp, $input, $matches, PREG_SET_ORDER)) { 
  foreach ($matches as $match) {
    printf("Url: %s<br/>", $match[1]);
  }
} 

编辑：已更新，因此仅搜索下载“PDF 条目”

Answer 4

最好的方法是使用DomXPath一步完成搜索：

$dom = new DomDocument();
$dom->loadHTML($html);
$xpath = new DomXPath($dom);

$links = array();
foreach($xpath->query('//a[contains(@title, "Download PDF")]') as $node) {
    $links[] = $node->getAttribute("href");
}

甚至：

$links = array();
$query = '//a[contains(@title, "Download PDF")]/@href';
foreach($xpath->evaluate($query) as $attr) {
    $links[] = $attr->value;
}

Answer 5

href="([^]+)" 将为您提供该表单的所有链接。