正则提取html属性值适用于简单固定格式场景，但不支持嵌套或不规范html；需精准匹配标签结构和属性位置，兼容单双引号及空格，而复杂情况应优先使用dom解析器。
直接用正则提取 HTML 标签属性值，适合简单、格式固定的场景，但要注意它不适用于嵌套或不规范的 HTML。关键在于精准匹配标签结构和属性位置。
匹配单个标签中指定属性的值
例如提取 <img src="logo.png" alt="图标"> 中的 src 值：
- 正则：
<img>]+src\s*=\s*["']([^"']+)["'][^>]*> -
[^>]+防止跨标签匹配，确保只在单个开始标签内查找 -
\s*=\s*容忍等号前后空格 -
["']([^"']+)["']捕获引号内的内容，兼容单双引号
提取任意标签的某个属性（通用写法）
想匹配所有 <xxx attr="value"></xxx> 中的 attr 值，可泛化为：
- 正则：
]*\battr\s*=\s*["']([^"']*)["'][^>]*> -
[a-zA-Z]确保是合法标签名开头 -
\battr\s*=\s*用单词边界\b避免匹配到data-attr或myattr - 注意：如果属性值含转义引号（如
alt="he"ll0"），基础正则无法处理，需改用解析器
同时提取多个属性值
比如从 @#@#@#@#@#@#@#@#@#@0 中取 href 和 title：
- 可写两个独立正则分别提取，更清晰可靠
- 若坚持单次匹配，可用：
<a>]+href\s*=\s*["']([^"']*)["'][^>]*title\s*=\s*["']([^"']*)["'][^>]*></a> - 顺序必须与属性在标签中出现顺序一致；若顺序不固定，正则会失效，此时应先匹配整个标签再二次解析
注意事项和替代建议
正则提取属性容易出错的点：
- HTML 不规范时（如换行、注释、自闭合写法
<img src="x">）会导致匹配失败 - 属性值含未转义引号、HTML 实体或 JS 表达式（如
onclick="do('x')"）会让正则崩溃 - 真正健壮的做法：用 DOM 解析器（如 Python 的
BeautifulSoup、JavaScript 的DOMParser）——它们能正确处理嵌套、转义和变体
