正则表达式提取HTML标签属性值 如何排除标签外引号内容

问题原因 #

你当前使用的"(.*?)"没有设置匹配范围限制，会无差别匹配所有位置双引号包裹的内容，因此会误命中HTML标签外部的文本内容。只要给规则加上范围约束，确保匹配的引号内容处于<开头、>结尾的HTML标签区间内，就能排除无关内容。

可用正则 #

针对你给出的示例场景，使用以下正则即可精准提取所有目标值，不会误匹配标签外内容：

<[^>]*?="([^"]+)"

规则逻辑 #

• 开头的<限定匹配起始位置为HTML标签的开始标记
• [^>]*?表示非贪婪匹配任意非>的字符，确保匹配范围不会超出当前标签的闭合>边界
• ="([^"]+)"匹配属性赋值结构，第一个捕获组的内容就是需要的属性值

匹配效果 #

开启全局匹配模式后，提取所有捕获组1的内容，可直接得到你列出的全部目标值：

• fr
• utf-8
• viewport
• width=device-width, initial-scale=1.0
• stylesheet
• style.css
• text/javascript
• myScript.js

标签外的"But not this"不在<>包裹的标签区间内，完全不会被规则命中。

扩展适配 #

如果需要兼容单引号包裹属性值的HTML写法，可以将正则调整为：

<[^>]*?=["']([^"']+)["']

注意：以上正则适用于常规规范编写的HTML场景（属性值内无未转义的>、引号字符），如果要处理极度不规范、嵌套复杂的HTML，优先使用原生DOM解析器提取属性，稳定性更高。

内容的提问来源于stack exchange，提问作者user14861636