如何扩展正则表达式以匹配完整的blogger.googleusercontent.com图片URL？

需求说明 #

从混杂大量HTML标签的文本中，提取完整的blogger.googleusercontent.com图片URL，需满足：

• URL必须包含/img/a/或/img/b/子目录
• URL位于href="..."或src="..."属性中，需匹配从https开头到闭合双引号前的全部内容

解决方案正则表达式 #

https://blogger\.googleusercontent\.com/img/(a|b)/[^"]+

正则拆解 #

• https://blogger\.googleusercontent\.com/：匹配URL的固定域名前缀，.用反斜杠转义，避免匹配任意字符
• img/(a|b)/：精准匹配/img/a/或/img/b/子目录，通过分组(a|b)实现二选一
• [^"]+：匹配双引号前的所有非引号字符，确保获取完整的URL内容（因为URL被双引号包裹，直到下一个引号结束）

问题修正说明 #

你之前使用的\/img\/a\/[^\/]存在三个核心问题：

1. 仅匹配/img/a/目录，未覆盖/img/b/
2. 匹配范围极小，仅能捕获/img/a/后的第一个非斜杠字符
3. 未包含URL的前缀（https://blogger.googleusercontent.com）和后缀（到闭合引号的全部内容）

内容的提问来源于stack exchange，提问作者user5853892