正则表达式修改求助：如何排除data-href匹配，仅匹配独立href属性

问题原因 #

你现有正则的核心问题是没有对属性名的前置字符做限定，只要文本中出现src=/href=这类子串就会触发匹配，不管它是不是独立的属性名，因此data-href中的href=部分会被误识别。

修改方案 #

对正则做两处调整即可：

1. 在属性匹配分组前添加正向后顾断言(?<=\s)，要求属性名前必须是空白字符，确保匹配的是标签内独立的属性，而非长属性名的子串
2. 移除属性列表中的data项，避免匹配data开头的属性

修改后正则 #

/(?:(?<=\s)(?:src|href|poster|altimg)\s*=\s*)(?!['"]?(?:http|#|mailto:|data:|tel:|sms:))['"]([^'">]+)|(?:url\()(?!['"]?(?:http))['"]?([^'")]+)/gm

兼容方案（不支持后顾断言的环境） #

如果运行环境不支持正则后顾断言（比如旧版JavaScript），可以用匹配前置空白符的方案替代，匹配后手动去除结果开头的空格即可：

/(?:\s(?:src|href|poster|altimg)\s*=\s*)(?!['"]?(?:http|#|mailto:|data:|tel:|sms:))['"]([^'">]+)|(?:url\()(?!['"]?(?:http))['"]?([^'")]+)/gm

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