sublime text 可用正则高效提取 html 链接，推荐模式 href=(["'])(1*)\1，匹配后用 $2 提取 url；需规避 script、注释中的伪链接，并可扩展至 src 等属性；大文件建议先裁剪再处理，导出需手动整理或二次处理编码。"' ↩
Sublime Text 本身不解析 HTML，不能像浏览器那样“识别链接”，但用正则批量提取 <a href="..."></a> 或 href="..." 这类文本非常高效——前提是 HTML 格式相对规整，且你清楚正则的边界和陷阱。
匹配标准 <a href="..."></a> 链接（含引号类型兼容）
最常见的是双引号包裹的 href，但实际网页中可能混用单引号或无引号（HTML5 允许），所以正则要兼顾。推荐用这个模式：
href=(["'])([^"']*)\1
说明：
• (["']) 捕获开头的引号（单或双），\1 确保结尾用同一种引号闭合，避免跨标签误匹配
• ([^"']*) 匹配引号内任意非引号字符，比 .*? 更安全（防止贪婪跨标签）
• 不建议用 href="(.*?)"，遇到换行、嵌套引号或注释时容易崩
实操建议：
• 在 Sublime 中按 Ctrl+H（Windows/Linux）或 Cmd+H（macOS）打开替换面板
• 勾选 .*（正则模式）和 Match case（通常可不勾，除非区分大小写）
• 查找框填：href=(["'])([^"']*)\1
• 替换框填：$2（只保留 URL 内容）
跳过 JavaScript 和注释里的伪链接
很多网页在 <script></script> 或 <!-- ... --> 里写类似 href="xxx" 的字符串，它们不是真实超链接。Sublime 正则无法真正“理解上下文”，只能靠规避策略：
常见错误现象：
• 替换后出现大量 https://example.com"（末尾多一个引号）
• 提取出 href="javascript:void(0)" 或 href="#" 等无效值
• 从 // href="xxx" 这类注释里也抽出了内容
实操建议：
• 先手动折叠或删掉 <script>...</script> 和 <style>...</style> 块（Ctrl+Shift+P → 输入 Fold Tags 可快速折叠）
• 对于注释，可用查找 <!--[\s\S]*?--> 先全选并跳过（不替换）
• 若只想提取有效外链，替换后用另一轮正则过滤：^https?:// 或 ^(?!#|javascript:|mailto:)
提取 src、data-url 等其他链接属性
现代网页常把链接藏在 src（图片/脚本）、data-url、content 等属性里。正则结构一致，只需改属性名：
实操建议：
• 复用上面的模式，把 href 换成目标属性名，例如：src=(["'])([^"']*)\1
• 多属性一次提取？用 (href|src|data-url)=(["'])([^"']*)\2，但注意分组编号会变（URL 在 $3）
• 注意 srcset 是逗号分隔列表，不能直接套用；需先匹配整行再拆分
性能提示：大文件（>5MB）上开正则查找可能卡顿，建议先复制粘贴出 内容再处理。
导出结果为纯文本或 CSV
Sublime 默认替换是原地修改，若想保留原文并另存链接列表，得借助“查找全部”+剪贴板：
实操建议：
• 按 Alt+Enter（Windows/Linux）或 Cmd+Enter（macOS）执行“查找全部”，所有匹配高亮并列在底部面板
• 面板里右键 → Copy All，粘贴到新标签页
• 用列编辑（鼠标按住 Alt 拖选）删掉前缀和引号，或再跑一次正则：^[^\"]*\"([^\"]*)\".*$ → $1
• 若需 CSV 格式，替换换行符为 , （注意空格），或用插件 Column Editor 补逗号
容易被忽略的一点：URL 中的 %20、& 等编码不会自动解码，后续要用 Python 或在线工具二次处理，Sublime 正则不负责解码。
