提取网页源码中的css、js、img常用正则表达式

公共正则表达式

（1）提取源码中href

/href=[\s]{0,1}\"(.+?)\"/gm

（2）提取网页源码中的src 或data-src

/src=[\s]{0,1}\"(.+?)\"/gm

/data-src=[\s]{0,1}\"(.+?)\"/gm

 

1、提取页面的中包含.css后缀的link标签，再结合href正则，可以提取

/<link[\s]+\w+[^>]+\.css[\s]{0,1}"[\s]{0,1}>/gm

/href=[\s]{0,1}\"(.+?)\"/gm

2、提取页面的中包含.js后缀的script标签，再结合src正则，可以提取

/<script[\s]+\w+[^>]+\.js[\s]{0,1}"[\s]{0,1}>/gm

/src=[\s]{0,1}\"(.+?)\"/gm

3、提取页面的img标签，再结合src、data-src正则，可以提取

/<img[\s]+\w+[^>]+>/gm

/src=[\s]{0,1}\"(.+?)\"/gm

/data-src=[\s]{0,1}\"(.+?)\"/gm

4、提取页面link标签，此操作包含提取css样式文件及其他文件（如favicon.ico、.svg等）

/<link[\s]+\w+[^>]+>/gm    

/href=([\w|.|/]+)[\s]{0,1}/gm     #包括favicon.ico、svg

/href=[\s]{0,1}\"(.+?)\"/gm      # 站外链接（包括css）

 

注意：提取后的链接要进行去重

其他参考地址：

https://regex101.com/    

https://wenku.baidu.com/view/ee015cf8941ea76e58fa04fd.html?sxts=1575431073475