notepad++中用https?://1+匹配url易失败，因未处理转义字符、换行符及全角符号；应锚定href/src属性并捕获引号内内容，确保utf-8编码，替换时用$1$2格式导出纯净链接列表。\s ↩
Notepad++ 里直接用 https?://[^\s]+ 匹配网址，遇到带括号、问号、井号、中文、全角符号的链接大概率失败——不是漏掉就是多抓一堆 JS 字符串或注释里的假链接。
为什么简单匹配 URL 总是出错
常见错误现象：匹配到 href="https://example.com/path?name=张三&id=1" 时只截到 https://example.com/path?name=张三（停在 &）；或者把 // 这是注释 https://fake.com 也当链接；更糟的是，src="./img/图标.png" 这种含中文或全角字符的路径完全不命中。
根本原因有三个：
- 正则引擎默认不识别 URL 中合法但需转义的字面符号（如
?、&、(、)、（、）），不加反斜杠会当成元字符解析 -
[^\s]在含换行或制表符的 HTML 源码里会提前中断（.不匹配换行，[^\s]同理） - 全角引号（“”）、全角括号（（））、全角问号（？）无法被 ASCII 正则覆盖，且
\s不匹配全角空格（\u3000）
真正能跑通的 href/src 提取正则
别碰 http 开头的模糊匹配。定位 HTML 属性值才是稳定解法，关键在两点：属性名锚定 + 引号内贪婪捕获。
实操建议：
- 打开
Ctrl + F→ 切到「查找」→ 勾选「匹配正则表达式」 - 输入：
href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["'] - 务必先确认编码为 UTF-8（菜单栏「编码」→「转为 UTF-8 编码」），否则中文路径、全角引号直接不匹配
- 这个正则用两个捕获组：
$1是href的值，$2是src的值；替换时用$1$2可合并输出
特殊符号要手动转义，不能靠 \w 或 . 通吃
如果目标文本里明确含括号、井号等干扰符号（比如 href="/page#section(2024)"），原始正则仍可能被截断。这时得对属性值内部做防御性收口：
- 把
[^"']+改成[^"'\r\n\t]+，排除回车、制表符等隐形中断源 - 若已知链接末尾常带
)或），且你只想抓到那里为止，可写成：href\s*=\s*["']([^"'\r\n\t]*?[^\s\)\uff09]*)["']（\uff09是全角右括号 Unicode 码点） - 匹配含
?或&的查询参数时，不要试图用[^?&\s]—— 它们本就是 URL 合法字符，应保留在捕获范围内；真正要防的是它们出现在引号外，所以锚定引号仍是关键
批量导出纯净 URL 的最后一步
查出来只是高亮，要提取成列表还得走替换流程：
- 按
Ctrl + H打开替换 → 查找框填同上正则：href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["'] - 替换框填：
$1$2\r\n（Windows 换行）或$1$2\n（Linux 风格） - 点击「全部替换」后，文档里全是 URL 行，但会有空行（因为有些匹配只触发了
$1或$2） - 用「编辑」→「空白字符操作」→「移除空行」清理，再
Ctrl + A→Ctrl + C即可复制完整列表
最易被忽略的是：替换时若用了旧版语法 \1 而非 $1，Notepad++ 新版本（v8.5+）会原样输出字符串而非引用内容——这个坑没有报错，只有结果为空。
