正则表达式获取 MTOM 二进制 PDF 内容

Question

我正在尝试使用SoapClient的扩展类获取MTOM二进制内容(这是一个PDF(。
这是参考类：https://github.com/debuss/MTOMSoapClient/blob/master/MTOMSoapClient.php

因此，如果您查看该类，您可以看到我收到了响应，然后我使用正则表达式来获取其中的特定部分。这是我得到的全部回应。

整个响应

HTTP/1.1 200 OK
Date: ...
Server: .....
Set-Cookie: ....; Path=/; HttpOnly
Set-Cookie: ...; Path=/; HttpOnly
Content-Type: multipart/related; type="application/xop+xml"; boundary="uuid:0f7fa750-c317-4039-897a-a90685b00d29"; start="<...>"; start-info="text/xml"
Keep-Alive: timeout=5, max=99
Connection: Keep-Alive
Transfer-Encoding: chunked
--uuid:0f7fa750-c317-4039-897a-a90685b00d29
Content-Type: application/xop+xml; charset=UTF-8; type="text/xml";
Content-Transfer-Encoding: binary
Content-ID: <[e-mail]>
<soap:Envelope xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/"><soap:Body><ns2:downloadAttachResponse xmlns:ns2="http://..../"><return><errStr></errStr><result>0</result><contentFile><xop:Include xmlns:xop="http://www.w3.org/2004/08/xop/include" href="cid:[e-mail]"/></contentFile></return></ns2:downloadAttachResponse></soap:Body></soap:Envelope>
--uuid:0f7fa750-c317-4039-897a-a90685b00d29
Content-Type: application/octet-stream
Content-Transfer-Encoding: binary
Content-ID: <[e-mail]>
%PDF-1.4
...
LOTS OF BINARY CODE HERE FOR THE PDF
--uuid:0f7fa750-c317-4039-897a-a90685b00d29--"

XML 响应

<soap:Envelope xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/">
<soap:Body>
<ns2:downloadAttachResponse xmlns:ns2="http://.../">
<return>
<errStr/>
<result>0</result>
<contentFile>
<xop:Include href="cid:[e-mail]" xmlns:xop="http://www.w3.org/2004/08/xop/include"/>
</contentFile>
</return>
</ns2:downloadAttachResponse>
</soap:Body>
</soap:Envelope>

使用该类的代码，我在二进制数组上得到一个错误，该数组基本上是空的，因为正则表达式没有获取 pdf 内容。这是具体部分：

正则表达式

// Get CID
$cid = null;
preg_match('/cid:([0-9a-zA-Z-]+)@/', $xop_element, $cid);
$cid = $cid[1];
// Get Binary
$binary = null;
preg_match('/Content-ID:[sS].+?'.$cid.'[sS].+?>([sS]*?)--uuid/', $response, $binary);
$binary = trim($binary[1]);   // error here

那么，如何使用正则表达式获取 PDF 二进制内容？

谢谢！

Answer 1

在示例数据中，Content-ID： 部分以>

结尾

Content-ID: <[e-mail]>

在您使用的模式中，这部分$cid.'[sS].+?>期望至少一个字符[sS]后跟 1+ 倍的任何字符非贪婪.+?这意味着在>之前至少应该有 2 个字符

但在示例数据中，它们之间没有字符。

您可以更新要使用的代码

preg_match('/Content-ID:[sS].+?'.$cid.'[sS]*?>([sS]*?)--uuid/', $response, $binary);

正则表达式演示

如果数据总是这样构建，则可以稍微优化模式：

Content-ID:h+<[e-mail]>Rs*((?:(?!--uuid).*R)*)--uuid

正则表达式演示