缩小正则表达式结果

Question

我正在创建一个正则表达式。这是我的测试数据集：

<a href="test.html">test1</a> 
<a href="test.pdf">test2</a> 
<a href="test.html">test1</a> 
<a href="test.html">test1</a><a href="testtime.pdf">test2</a> 

我试图从捕捉到的“href =”到“PDF”，但下面的正则表达式：

href=.*?\.pdf 

将捕获正确的数据，如果它是孤立以一条线，但它也将匹配来自最后一行如下：

href="test.html">test1</a><a href="testtime.pdf 

我只是从去年的“href”到“.PDF”想，我不想在第一的‘href’上该线或任何其中的东西和第二个“hre F”。是否有可能修改正则表达式来正确匹配？

谢谢。

Answer 1

使属性入手报价和值不包含这句话：

href="[^"]*?\.pdf 

演示：https://regex101.com/r/UuRin3/1

附：

Don't use Regex to parse HTML

Answer 2

首先，使用捕获组，它们允许你匹配整个单词，但只提取它的一部分，例如href=\"(.*\.pdf)\"应该允许你匹配href="xxxx.pdf"字符串，但只提取xxxx.pdf部分。

你如何做到这一点取决于你使用什么技术来获取正则表达式。不知何故，我怀疑这是HTML。