sublime正则提取href链接易出错，因默认模式href="(.?)"不识别html结构，跨行、嵌套引号或注释中会失效；安全写法为href=(["'])(1)\1，需勾选.*模式并预处理script/style/注释，再二次过滤无效协议。"' ↩
Sublime里用正则提取href链接，为什么总多出引号或截断？
因为默认正则 href="(.*?)" 在换行、嵌套引号或注释中会失效——它不识别 HTML 结构，只按字符匹配。一旦 href 值跨行，或页面里有 href="javascript:void(0)"、href="#" 甚至注释里的 <!-- href="fake.com" -->，就会抽错。
真正安全的写法是：href=(["'])([^"']*)\1
-
(["'])捕获开头单/双引号，\1强制结尾用同一种引号闭合，避免跨标签“吃掉”后面内容 -
([^"']*)只匹配非引号字符，比.*?更精准，防贪婪匹配 - 必须勾选 Sublime 的
.*（正则模式）和Match case（通常可不勾，除非大小写敏感）
怎么跳过 script/style/注释里的伪链接？
Sublime 不解析 DOM，没法“知道”某段 href= 是在 <script></script> 里还是真实链接。只能靠人工预处理或分步过滤。
- 先折叠干扰块：按
Ctrl+Shift+P（Win/Linux）或Cmd+Shift+P（macOS），输入Fold Tags，回车 → 快速收起所有<script></script>、<style></style>、<noscript></noscript>块 - 再手动删或跳过注释：用查找
<!--[\s\S]*?-->全选注释段，按Esc取消选中，避免误替换 - 提取后二次清洗：再开一个替换面板，查找
^(#|javascript:|mailto:)，替换成空，批量剔除无效协议
想同时抓 src、data-url、content 这些非 href 链接怎么办？
结构一致，只是属性名不同。硬编码多个正则太累，用分组复用更稳。
例如提取 src 和 data-url：(src|data-url)=(["'])([^"']*)\2
- URL 实际在
$3（不是$2），因为(src|data-url)占了第一组，(["'])是第二组 - 如果还要加
href，写成(href|src|data-url)=(["'])([^"']*)\2，URL 仍在$3 -
srcset不能直接套用——它是逗号分隔列表，得先用srcset=["']([^"']*)["']提整段，再用 Python 或 Excel 拆分
大文件卡顿、结果乱码、导出后格式错乱怎么解？
Sublime 对超大 HTML（>10MB）或含 BOM/混合编码的源码处理吃力，不是正则写得不对，是编辑器本身瓶颈。
- 提前裁剪：用浏览器开发者工具复制
内容，或用命令行sed -n '//,//p' page.html > body.html截取主体 - 编码确认：右下角看状态栏是否显示
UTF-8；若显示Western (ISO 8859-1)，点它 →Reopen with Encoding→ 选UTF-8 - 导出别偷懒：Sublime 替换后结果是纯文本，需手动
Ctrl+A→Ctrl+C→ 粘到 Excel；若列错位，粘入时选 Excel 的“选择性粘贴→文本”，再用“数据→分列”按 Tab 拆
真正麻烦的从来不是正则本身，而是你没意识到 HTML 是树状结构，而正则只是扁平字符串扫描——它永远不知道哪个 href 属于哪个 <a></a>，也不知道 <meta http-equiv="refresh"> 里藏的跳转算不算“链接”。这点，得靠人来判断边界。
