Regex在regex101正常但Python中提取HTML属性异常，如何修复？

原始HTML属性文本（包含标签名）：

a href="#" class="s-navigation--item js-gps-track js-products-menu" aria-controls="products-popover" data-controller="s-popover" data-action="s-popover#toggle" data-s-popover-placement="bottom" data-s-popover-toggle-class="is-selected" data-gps-track="top_nav.products.click({location:2, destination:1})" data-ga="["top navigation","products menu click",null,null,null]" aria-expanded="false"

使用的原始正则：

attr_regex = '(?:\w+[-\.]*)+(?:=+[\'\"][\w\d\s:;,$@#!\[\]^&?%*\/+(){}.=-]*[\'\"])*'

问题：在Python中执行re.findall(attr_regex, text)时，错误拆分出属性值内的片段（如top、navigation），但在regex101中可正常工作。

修复后的正则表达式 #

import re

# 匹配所有HTML属性（排除开头的标签名）
attr_regex = r'(?<=\s)[\w\-\:\.]+(?:=(?:[\'"]|&quot;)[\s\S]*?(?:[\'"]|&quot;))?'

text = 'a href=&quot;#&quot; class=&quot;s-navigation--item js-gps-track js-products-menu&quot; aria-controls=&quot;products-popover&quot; data-controller=&quot;s-popover&quot; data-action=&quot;s-popover#toggle&quot; data-s-popover-placement=&quot;bottom&quot; data-s-popover-toggle-class=&quot;is-selected&quot; data-gps-track=&quot;top_nav.products.click({location:2, destination:1})&quot; data-ga=&quot;[&amp;quot;top navigation&amp;quot;,&amp;quot;products menu click&amp;quot;,null,null,null]&quot; aria-expanded=&quot;false&quot;'

elements = re.findall(attr_regex, text)
print(elements)

修复说明 #

1. 添加位置断言：用(?<=\s)确保匹配内容前是空白字符，彻底避免匹配属性值内的单词片段，同时自动排除开头的标签名（如示例中的a），精准定位属性的起始边界。
2. 优化属性名匹配：替换原有的属性名匹配规则为[\w\-\:\.]+，完全贴合HTML属性名规范，支持字母、数字、连字符、下划线、冒号、点等合法字符。
3. 改进属性值匹配逻辑：
   • 兼容单引号、双引号以及HTML实体"作为属性值的包裹符
   • 使用[\s\S]*?非贪婪匹配任意字符，确保完整捕获包含括号、逗号、转义实体等特殊内容的属性值，不会提前终止匹配。
4. 支持无值属性：将属性值部分标记为可选（末尾加?），适配disabled这类不需要赋值的HTML属性。

如果需要处理更极端的HTML场景（如属性值内包含未转义的引号），可基于此正则进一步调整，但上述方案已覆盖绝大多数常见的属性拆分需求。

内容的提问来源于stack exchange，提问作者RifloSnake