正则提取html中href、src等属性值可行，但需用href=(["'])(1*)\1等精确模式匹配引号内内容，并预处理折叠script/style、删除注释，再过滤非法协议与相对路径，最后锚定行边界导出整行url。"' ↩
直接用正则提取 HTML 中的 href、src 等属性值是可行的，但必须加引号匹配和边界控制，否则会抽到注释、JS 字符串甚至跨标签内容——这不是正则不行，是你没告诉它“别乱跑”。
匹配 href 和 src 链接时，为什么总多出引号或截断？
常见错误现象：https://example.com"（末尾多一个引号）、javascript:void(0) 被抽中、href="//cdn.example.com" 漏掉协议。
根本原因是用了过于宽松的模式，比如 href="(.*)" 或 href='(.*)'：
-
.*是贪婪匹配，遇到换行或后续引号就容易吞过头 - 没统一处理单双引号，导致一种引号能匹配，另一种漏掉
- 没排除注释块和
<script></script>内容，它们也含href=字样
正确写法：href=(["'])([^"']*)\1
说明：(["']) 捕获开头引号类型，\1 强制闭合用同种引号，[^"']* 限定只取引号内非引号字符，天然防跨标签。
替换时填 $2（注意不是 $1），就能干净抽出 URL。
怎么跳过 script、style 和注释里的伪链接？
Sublime 不解析 DOM，没法“知道”某段 href= 是不是真实链接。你得手动清场：
- 先按
Ctrl+Shift+P输入Fold Tags，折叠所有<script></script>、<style></style>块（折叠后它们不参与查找） - 用
<!--[\s\S]*?-->查找所有注释，Enter跳过不替换（或全选后Ctrl+X剪切暂存） - 若只想留有效外链，替换完再补一招：
^(?!https?://|//|#|javascript:|mailto:).*$，查出并删掉所有不以合法协议/锚点开头的行
这步不能省——很多页面在 console.log('href="xxx"') 里埋了干扰字符串，不清理就会混进结果。
提取图片链接时，如何只抓真实可访问的 URL？
光匹配 src= 不够，相对路径（如 ./img/logo.png）无法直接打开，且可能夹带 JS 变量或 base64。
推荐这个更严的模式：src\s*=\s*["']((?:https?://|//)[^"'\s>]+?\.(?:png|jpe?g|gif|webp|svg)[^"'\s>]*)["']
关键点：
-
src\s*=\s*容忍等号前后空格和换行 -
(?:https?://|//)锁定协议或协议相对 URL，排除data:image/和./类路径 -
\.(?:png|jpe?g|gif|webp|svg)强制结尾为图片后缀（jpe?g同时覆盖jpg和jpeg） - 整个 URL 放在第一个捕获组，替换用
$1即可
如果页面图片后缀大小写混用（如 .JPG），开头加 (?i) 标志即可，不用改后缀列表。
批量提取后，为什么复制出来全是碎片而不是整行？
因为默认 Find All 只选中匹配文本本身，不是整行。想导出为干净列表，必须让正则“包住整行”：
- 查找框填：
^.*href=(["'])([^"']*)\1.*$（开头^+ 结尾$） - 点
Find All，再按Ctrl+Alt+G（Win/Linux）或Ctrl+Cmd+G（macOS）全选所有匹配行 -
Ctrl+C复制，Ctrl+N新建文件粘贴，就得到每行一个 URL 的纯文本
这一步最容易被跳过——很多人复制后发现内容错位、换行丢失，其实是没锚定行边界。另外，Find in Files（Ctrl+Shift+F）同样适用此逻辑，适合扫整个项目目录下的 HTML 文件。
真正麻烦的从来不是正则怎么写，而是你有没有在点 Replace All 前，确认右下角显示的匹配数合理、且预览了前 3 条结果是否真符合预期。
