正規表現の結果を絞り込む

Question

私は正規表現を作成しています。これは私のテストデータセットです：

<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> 

私は「PDF」が、次の正規表現を「のhref =」からキャプチャしようとしている：それは孤立している場合

href=.*?\.pdf 

は、右のデータをキャプチャします1行に、それはまた、最後の行から次のようにマッチします：私は、最後の「HREF」から「PDFファイル」にしたい

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

、私は上の最初の 『HREF』をしたくありませんそれと2番目の「hre f "である。これに合うように正規表現を修正することは可能ですか？

ありがとうございました。

Answer 1

属性は引用符で開始すると値がこの引用符を含めることはできませ行います

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

デモ：https://regex101.com/r/UuRin3/1

P.S.

Don't use Regex to parse HTML

Answer 2

まず、キャプチャグループを使用すると、単語全体を一致させることができますが、一部だけを抽出します。例えば、href=\"(.*\.pdf)\"はhref="xxxx.pdf"文字列と一致させる必要がありますが、xxxx.pdf部分のみを抽出します。

どのようにこれを行うかは、Regexをフェッチするために使用するテクノロジによって異なります。どういうわけか私はこれがhtmlだとは思わない。