Sublime中用正则提取URL必须锚定href/src属性值，推荐模式：href\s*=\s*["']([^"']*)["']|src\s*=\s*["']([^"']*)["']，替换为$1$2，并确保UTF-8编码、启用“.匹配换行符”及正则模式。
直接用 href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["'] 配合替换为 $1$2，就能干净提取网页中所有真实使用的 URL，但必须确保编码为 UTF-8、勾选「正则表达式」且启用「. 匹配换行符」——否则中文路径、跨行标签、反向引用全失效。
为什么 https?://\S+ 提取的 URL 总是错的
这个正则只找“以 http 开头的连续非空白字符”，但它不管这些字符串是不是真的在 HTML 中被使用。实际网页里大量存在注释里的假链接、JS 字符串拼接、Vue 的 :href 绑定、甚至 CSS 里的 url()，都会被误抓。更糟的是，它会把 href="mailto:test@example.com" 或 href="tel:+8613800138000" 也当 URL 提出来。
真正该匹配的是 HTML 属性值本身，不是协议头。所以必须锚定在 href= 和 src= 后面的引号内容上。
- 用
https?://\S+→ 抓到一堆无效、不可点击、甚至带 HTML 实体（如&）的垃圾 - 用
href\s*=\s*["']([^"']+)["']→ 只取真实属性值，天然过滤掉注释和 JS 字符串 - 如果还想要
src（比如图片、脚本路径），就合并成href\s*=\s*["']([^"']+)["']|src\s*=\s*["']([^"']+)["']，注意分组顺序：$1是 href 的值，$2是 src 的值
替换时 $1$2 为空？三个硬性前提缺一不可
Notepad++ 的反向引用（$1、$2）不是默认生效的。常见现象是：查找能高亮，替换后却整行变空或原样不动。
- 搜索模式必须选
Regular expression（右下角勾选框），否则$1当字面量处理 - 文件编码必须是
UTF-8（菜单栏「编码」→「转为 UTF-8 编码」），否则含中文路径或%E4%BD%A0%E5%A5%BD这类编码的 URL 会断在中间 - 如果 HTML 标签跨行（比如
href=在一行，URL 在下一行），必须勾选. matches newline，否则.停在换行符前，[^"']+拿不到跨行内容
提取后怎么去重并导出纯列表
替换为 $1$2 后，每行只留一个 URL，但可能有空行、重复项、甚至空字符串（比如 href="" 或 src=" "）。
- 删空行：查找
^\s*$，替换为空（注意结尾不用写\r\n，Notepad++ 自动处理） - 删重复行：菜单栏「编辑」→「行操作」→「删除重复行」（它按整行比对，不区分大小写）
- 安全导出：别直接改原文件。先 Ctrl+H → 查找填正则，替换填
$1$2→ 点「全部替换」→ 立刻 Ctrl+Z 撤销 → 再点「全部替换」→ 勾选底部「在新文档中打开」→ 新标签页就是干净 URL 列表
相对路径、动态语法、特殊符号怎么办
这个方法提取的是原始属性值，不做语义解析。所以：
- 相对路径（如
/api/user、./img/logo.png）不会自动补https://domain.com，得人工加或后续用脚本处理 -
:href="url"（Vue）、{% url 'xxx' %}（Django）、ng-href="{{url}}"（Angular）这类绑定语法，正则完全不匹配，得另写规则或预处理 - URL 中的
&是 HTML 实体，不是真实&，提取后需手动替换&→&，否则请求会 400 - 如果要提取某类 URL 的特定段（比如只拿路径末尾的 ID），得再套一层正则，例如
https?://[^/]+/example/([^?&\s"]+)，替换为$1
最易被忽略的是：跨行标签和编码不一致会让整个流程静默失败——看起来操作都做了，结果却是空的或截断的。动手前务必先用小段 HTML 测试正则是否真能高亮你想要的内容。
