应使用requests.head()替代GET以节省资源，设置allow_redirects=False手动处理重定向，结合urllib.parse.urljoin补全相对路径，捕获ConnectionError、Timeout及非2xx状态码，并输出含原始位置、属性值和状态码的完整报告。
如何用 Python 批量检测 href/src 是否指向 404
直接发起 HTTP 请求是判断资源是否失效最可靠的方式，但必须规避全量 GET（太慢）、忽略相对路径（会错判）、绕过重定向陷阱（302 后仍是 404）。关键不是“能不能访问”，而是“最终响应是不是 2xx”。
- 用
requests.head()替代requests.get()，减少带宽消耗；设置allow_redirects=False，避免被跳转掩盖真实状态 - 对
href或src值做路径补全：若值为./js/app.js，需结合当前 HTML 文件路径或<base href>构造绝对 URL，否则requests会当成根路径请求 - 捕获三类失败：
ConnectionError（域名不可达）、Timeout（超时）、非 2xx 状态码（含 301/302 后未跟进的终点 404） - 输出格式建议包含原始标签位置（
line:123）、属性值、最终状态码、错误类型，方便定位和批量修复
修复时为何不能直接删掉失效的 href/src 属性
删掉 href 或 src 不等于解决问题——它可能让页面逻辑断裂。比如 <link rel="stylesheet" href="missing.css"> 被删后，样式彻底丢失；<script src="vendor.js"></script> 缺失可能导致后续 JS 报 ReferenceError。
- 优先尝试替换为备用 CDN 地址（如将
https://cdn.example.com/jquery.min.js换成https://cdn.jsdelivr.net/npm/jquery@3.6.0/dist/jquery.min.js） - 对 CSS/JS 类资源，可加 fallback 逻辑：
<script src="a.js" onerror="this.src='b.js'"></script> - 对图片，用
onerror回退到占位图：<img src="bad.jpg" onerror="this.src='/img/placeholder.png'"> - 绝对不要无条件删除属性——除非你确认该资源本就不该存在（如注释掉的调试代码）
为什么正则替换 href/src 值容易出错
HTML 属性值可能跨行、含引号嵌套、混有 JS 表达式（如 href="${url}"），纯正则无法安全解析结构。曾见有人用 href="([^"]*)" 替换，结果把 <a href="x" onclick='alert("href=xxx")'> 中的 href=xxx 也替换了。
- 必须用解析器（如
BeautifulSoup或lxml）提取属性，而非字符串匹配 -
BeautifulSoup默认不校验 HTML 合法性，遇到<img src=>这种缺值情况会返回空字符串，需额外判空 - 修改后写回文件时，注意保持原有编码（尤其是含中文路径时），否则
src="中文路径.js"可能变成乱码 - 若 HTML 含模板语法（如 Vue 的
v-bind:href或 Nunjucks 的{{ url }}），解析器会误判为普通属性，需先剥离模板再处理
上线前必须检查的三个隐藏雷区
自动化修复脚本跑通不代表线上安全——很多失效是环境导致的，本地检测不出。
立即学习“前端免费学习笔记（深入）”；
-
file://协议下所有href/src请求都会被浏览器拦截（Edge 尤其严格），本地测试时即使链接有效，上线后也可能 404；务必在 HTTP 服务下验证（如python -m http.server） - 某些 CDN 对 Referer 有限制，
requests.head()默认无 Referer，而浏览器实际请求带 Referer，导致检测“可用”但用户端“失效” - 零宽字符（如
\u200B）可能藏在href值开头或结尾，肉眼不可见，但会让 URL 变成无效地址；检测前应先用re.sub(r'[\u200B-\u200F\u202A-\u202E]+', '', value)清洗
