SQL批量替换HTML中href含#h_子串的a标签href属性方法

该需求完全可以通过SQL实现，核心是通过正则全局匹配替换字段内符合规则的href属性值，操作前必须全量备份目标表数据，避免替换失误造成内容损失。

• 仅识别class为service-content-link的a标签中，href属性值包含#h_子串的链接
• 对匹配到的链接，删除#h_前缀的所有域名、路径内容，仅保留#h_开头的锚点部分作为新的href值
• 无#h_锚点的普通链接、其他HTML标签、标签其余属性（如target、class）均保持原样，不会被修改

MySQL 8.0+ 版本 #

MySQL 8.0及以上版本原生支持REGEXP_REPLACE正则替换函数，可直接执行：

-- 第一步：执行查询预览替换结果，确认完全符合预期后再执行更新
SELECT 
    blog_content,
    REGEXP_REPLACE(
        blog_content,
        'href="[^"]*?(#h_[^"]+)"',
        'href="$1"'
    ) AS replaced_content
FROM 替换为你的实际表名
WHERE blog_content REGEXP 'href="[^"]*#h_[^"]*"';

-- 第二步：预览无误后执行批量更新
UPDATE 替换为你的实际表名
SET blog_content = REGEXP_REPLACE(
    blog_content,
    'href="[^"]*?(#h_[^"]+)"',
    'href="$1"'
)
WHERE blog_content REGEXP 'href="[^"]*#h_[^"]*"';

正则逻辑说明：匹配href="起始后所有非双引号字符，直到遇到#h_片段，将#h_到下一个双引号之间的锚点内容捕获为分组，最终把整个href属性值替换为捕获到的锚点，单条记录内存在多个符合条件的链接时会全部替换。

PostgreSQL 版本 #

PostgreSQL使用regexp_replace函数，需要传入g参数开启全局匹配，适配单条记录多链接的场景：

-- 第一步：预览替换效果
SELECT 
    blog_content,
    REGEXP_REPLACE(
        blog_content,
        'href="[^"]*?(#h_[^"]+)"',
        'href="\1"',
        'g'
    ) AS replaced_content
FROM 替换为你的实际表名
WHERE blog_content ~ 'href="[^"]*#h_[^"]*"';

-- 第二步：确认结果无误后执行更新
UPDATE 替换为你的实际表名
SET blog_content = REGEXP_REPLACE(
    blog_content,
    'href="[^"]*?(#h_[^"]+)"',
    'href="\1"',
    'g'
)
WHERE blog_content ~ 'href="[^"]*#h_[^"]*"';

MySQL 5.x 及更低版本 #

低版本MySQL无原生正则替换能力，不建议使用多层嵌套的REPLACE函数处理，容易出现误替换。可以将字段内容导出后通过Python/PHP等脚本做正则替换，再导回数据库；也可以先安装支持正则替换的UDF自定义函数后再参照上述逻辑处理。

• 如果你的HTML内容中存在单引号包裹href属性的场景，可以将正则中的"替换为["']，同时调整替换部分的引号为对应匹配的单引号，即可同时适配单、双引号的属性写法
• 禁止跳过预览步骤直接执行更新，必须逐页核对返回的replaced_content结果，确认无错改、漏改情况后再执行UPDATE操作
• 该方案对你给出的示例数据处理结果和预期完全一致：不带锚点的https://service-domain/en/articles/how-to-do-smth链接保持不变，带#h_锚点的链接会被替换为仅保留锚点的形式。

内容的提问来源于stack exchange，提问作者tearswep