0

Помогите пожалуйста составить regex для следующего правила. Мне нужно найти все ссылки на внешние ресурсы (ссылки как чистый текст так и в тегах) кроме указанного домена example123.com

Пример, каждая строка ниже должна быть захвачена регуляркой

http://domain.com/
domain.com
<a href="http://domain.com/article/%D0%90%D0%BD%D1">...</a>
<a href="http://domain.com/article/">...</a>
<a href="http://domain.com/article/">...</a>
<img href="http://domain.com/article/Кошка Собака.png">
<link href="http://domain.com/">
<area href="http://domain.com/">
<base href="http://domain.com/">

А вот эти строки должны быть пропущены так как в них есть разрешенный домен example123.com

http://example123.com
example123.com
<a href="http://example123.com/article/%D0%90%D0%BD%D1">...</a>
<a href="http://example123.com/article/">...</a>
<a href="http://example123.com/article/">...</a>
<img href="http://example123.com/article/Кошка Собака.png">
<link href="http://example123.com/">
<area href="http://example123.com/">
<base href="http://example123.com/">

А так же относительный ссылки должны быть пропущены

<a href="images/xxx.jpg">

Я сосбвтенно пробывал объединять и эксперементировать с двумя шаблонами

((https?:\/\/)?([\w-]{1,32}\.[\w-]{1,32})[^\s@]*)
/(<a.*?>(.*?)<\/a>)/m

Но так и не смог добится нужного эффекта, то ссылки не все находит, то лишние тэги захватывает, то на оборот не захватывает. Поэтому прошу помощи у знающих людей. https://regex101.com/r/qelZG0/1

UPDATE: Сейчас остановился на такой регулярки, но почему то захватывает локальные ссылки

<(.*?)(href=")((https?:\/\/[^example123.com])?([\w-]{1,32}\.[\w-]{1,32})[^\s@]*)(.*?>)

UPDATE2

<(.?)(href=")((https?://(?!example123.com))?([\w-]{1,32}.[\w-]{1,32})[^\s@])(.?)(<.?>|.*?>)

UPDATE3 Остановился на этом вроде похоже на правду, но ни как не могу избавится от захвата строки

<p> <a href="tip.html">Как сделать такое же фото?</a>

Почему то захватывается тэг p и ссылка хотя не должна.

1

1 ответ 1

0

Чтобы получить URL ссылки кроме ссылок на домен подойдет такая регулярка:

(((?:")(https?:\/\/)(?!example123\.com)[^"]+(?:"))|((https?:\/\/)(?!example123\.com)[^\s"]+))

Она захватывает только если есть http://, но без него это не было бы ссылкой.

1
  • Большое спасибо за помощь, работает идеально!
    – stas stas
    11 дек 2021 в 11:23

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими пользовательским соглашением, политикой конфиденциальности и политикой о куки

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.