用正则表达式href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["']可同时匹配href和src中的url，分别捕获至第1组和第2组，配合替换为$1$2、删空行、去重，即可快速提取纯净url列表。
用正则表达式匹配 href 和 src 中的 URL
Notepad++ 自带的「查找」功能配合正则表达式，是提取网页中 URL 最快的方式。关键不是找「http」开头的字符串，而是定位 HTML 标签里真正被使用的链接地址——主要在 href 和 src 属性中。
实际操作时，打开 Notepad++ → Ctrl + F → 切换到「正则表达式」模式（勾选「匹配正则表达式」），然后输入：
href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["']
这个表达式能同时捕获两类属性值，并把 URL 提取到第 1 组或第 2 组。但注意：src 匹配结果会出现在第 2 组，href 在第 1 组，后续替换或导出时需留意分组顺序。
- 确保文档编码为 UTF-8（菜单栏「编码」→「转为 UTF-8 编码」），否则中文路径或特殊符号可能匹配失败
- 如果网页用了 Vue/React 的绑定语法如
:href="url"或{% url 'xxx' %}，这个正则不覆盖，得另写规则 - 部分 URL 是相对路径（如
/static/js/app.js），提取后需人工补全协议和域名
用「替换」功能批量提取并去重
单纯查找只能高亮，要导出纯 URL 列表，得用「替换」功能把整行替换成只留 URL，并过滤空行和重复项。
在「查找」对话框中保持上面的正则不变，切换到「替换」标签页，在「替换为」框中填：
$1$2
点击「全部替换」后，所有 href 和 src 值会单独成行（其他 HTML 内容被清空）。接着执行：
-
Ctrl + H → 查找
^\s*$（空行），替换为空，删掉空白行 - 菜单栏「编辑」→「行操作」→「删除重复行」，去掉重复 URL
- 如果需要导出，全选 → Ctrl + C → 粘贴到新文件保存即可
遇到 JavaScript 动态拼接 URL 怎么办
像 location.href = '/login?from=' + window.location.pathname 这类代码，正则无法识别变量拼接逻辑，href 属性根本不存在，自然不会被上一步正则捕获。
这种场景没有全自动方案，但可以缩小范围快速筛查：
- 先用查找功能搜关键词：
location.href、window.open(、document.location、fetch(、axios.get( - 对匹配行手动检查字符串字面量（即单引号/双引号包裹的部分），注意拼接符
+和模板字符串` - 如果项目用 Webpack/Vite，真实请求地址可能在
import.meta.env或配置文件里，不在 HTML 源码中
为什么不用「文本抓取」插件或外部工具
Notepad++ 插件如「TextFX」或「Python Script」确实能写更复杂的提取逻辑，但安装、配置、调试成本远高于原生正则。而且多数插件依赖 Python 2.7 或特定版本，Win11 新系统常报错 ImportError: No module named _winreg。
如果你只是临时处理一个 HTML 文件，坚持用内置功能更稳：
- 避免插件兼容性问题（尤其 Notepad++ 8.x 后插件体系已大幅调整）
- 不依赖外部运行时（比如 Node.js 脚本还要装 npm 包）
- 所有操作可逆：替换错了按 Ctrl + Z 就能回退
真正容易被忽略的是 URL 编码问题——比如 https://example.com/search?q=%E4%BD%A0%E5%A5%BD 这种含中文的链接，正则能提取出来，但直接点击或复制进浏览器前，得确认是否需要解码；Notepad++ 本身不提供 URL 解码功能，得靠在线工具或 Python 的 urllib.parse.unquote() 补处理。
