如何从HTML图片字符串中剥离多余属性，仅保留src属性？

方法1：正则表达式（快速处理常规场景） #

如果你的HTML结构相对规范（src属性带引号，无复杂嵌套），可以用正则表达式批量替换，直接提取src属性并重构img标签。

Python 实现示例：

import re

def clean_img_tags(html_content):
    # 匹配带双引号的src属性，兼容任意属性顺序
    regex_pattern = r'<img\s+[^>]*src="([^"]+)"[^>]*>'
    # 替换为仅保留src的img标签
    return re.sub(regex_pattern, r'<img src="\1">', html_content)

# 测试
raw_html = '<img class="img-fruit" src="apple.png" title="apple" height="25" width="25">'
print(clean_img_tags(raw_html))  # 输出：<img src="apple.png">

如果需要兼容单引号或无引号的src属性，可以调整正则为：

<img\s+[^>]*src=["\']?([^"\'>]+)["\']?[^>]*>

文本编辑器（如VS Code）快速操作：

打开替换面板（Ctrl+H），勾选「正则表达式」选项：

• 查找内容：<img\s+[^>]*src="([^"]+)"[^>]*>
• 替换内容：<img src="$1">
  直接批量替换选中的HTML内容即可。

方法2：HTML解析库（复杂场景更可靠） #

正则处理HTML容易出现边缘情况（比如属性值含特殊字符、不规范的标签写法），用专业的HTML解析库能更精准处理。以Python的BeautifulSoup为例：

from bs4 import BeautifulSoup

def sanitize_img_tags(html_content):
    soup = BeautifulSoup(html_content, 'html.parser')
    for img_tag in soup.find_all('img'):
        # 仅保留src属性，若src不存在则清空属性
        img_tag.attrs = {'src': img_tag.get('src')} if img_tag.get('src') else {}
    return str(soup)

# 测试
raw_html = '<img class="img-fruit" src="apple.png" title="apple" height="25" width="25">'
print(sanitize_img_tags(raw_html))  # 输出：<img src="apple.png">

这种方法能自动处理各种不规范的HTML写法，无需担心正则匹配遗漏或错误。

内容的提问来源于stack exchange，提问作者Elbusta