Регулярка, исключающая все вложенные файлы?

Question

[Araya]

Всем привет.
Задача: Собрать все ссылки на странице
href=["\']?([^"\'>]+)["\'] - вот такой регуляркой я собираю их все, но туда попадают и стили и скрипты.
Как можно модифицировать ее, чтоб исключить все ненужное?

Comments

[vreitech]

приведите пример того, что нужно исключить, и того, что исключать не нужно.

[Araya]

vreitech, не нужны ссылки, которые ведут на файлы (.css,.js и тд), а все остальное пойдет)
https://nova.rambler.ru/search?query=%D0%9D%D0%B0%... - ok
https://search.rambler.su/static/search/2852365218... - ne ok

[Araya]

VicTHOR, чего-то типо[^\.js] пытался...

[Araya]

VicTHOR, https://regex101.com/r/uS6Fdn/1 балуюсь тут

Answer 1

[Эдуард]

Araya

чего-то типо[^\.js] пытался...

Надо было что-то типа такого отрицания: (?!css|js|png|ico|xml)
~href=['"]/*((?:(?!css|js|png|ico|xml)\S)+)['"]~
В примере по ссылке в первой группе вы получите чистые url'ы (т.е. без лишних символов)

Comments

[Araya]

О, спасибо, буду знать!)