URLs aus Text extrahieren
Sammeln Sie HTTP- und HTTPS-Links aus Text und entfernen Sie identische Duplikate.
Ihre Dateien werden hier auf Ihrem Gerät verarbeitet
Wir senden Ihre Datei- oder Textinhalte nicht an einen Verarbeitungsserver. Es ist kein Konto erforderlich und es gibt keine tägliche Betriebsquote. Einzelne Tools haben Größenbeschränkungen, um den Speicher Ihres Geräts zu schützen.
Eine Verbindung ist erforderlich, um die Website und ihre Ressourcen zu laden. Hosting kann technische Besuchsdaten erhalten. Favoriten speichern nur Werkzeugkennungen in diesem Browser.
Wie wir mit Ihren Daten umgehen →Wie man dieses Tool benutzt
- Einfügen von Text mit vollständigen HTTP- oder HTTPS-Links.
- Wählen Sie, ob Sie genaue Duplikate behalten oder entfernen möchten.
- Extrahieren und überprüfen Sie Interpunktion vor dem Kopieren oder Herunterladen.
Ein Beispiel, das Sie überprüfen können
Sammeln Sie Links aus Text und überprüfen Sie die Interpunktionsbearbeitung.
Beispieleingabe
Visit https://example.com/a and (https://example.org/guia). https://example.com/a
Erwartetes Ergebnis
https://example.com/a https://example.org/guia
Die Schlussklammer und die Satzperiode sind vom zweiten Link ausgeschlossen. Die wiederholte erste URL erscheint einmal nach der Deduplizierung.
URLs aus Text extrahieren: Gebrauch und praktische Anleitung
Das Extrahieren von URLs verwandelt Text mit verstreuten Verweisen in eine Liste von Links, die separat überprüft werden können. Es hilft Inventarquellen, sammelt Adressen, die in Notizen erwähnt werden, oder überprüft, welche Links in einem Dokument erschienen sind. Abgleich erkennt Adressen, die mit http:// oder https://. beginnen Es wird nicht angenommen, dass es sich bei einem bloßen Domainnamen um einen Link handelt, und ein Protokoll wird nicht automatisch hinzugefügt. Dadurch wird vermieden, dass Wörter oder unvollständige Namen in Adressen umgewandelt werden, die der Originaltext nie geliefert hat, und die Operation konzentriert sich auf explizite Referenzen, anstatt die beabsichtigten Ziele zu erraten.
Adressen behalten ihre bereitgestellte Rechtschreibung, nachdem die übliche nachgestellte Satzzeichensetzung entfernt wurde. Domains werden nicht normalisiert, Parameter werden nicht neu geordnet und Abfragewerte werden nicht dekodiert. Adressen, die ein Server als gleichwertig behandeln könnte, bleiben unterschiedliche Zeichenfolgen, wenn ihre Schreibweise unterschiedlich ist. Doppelte Entfernung verwendet genaue Vergleich und bewahrt das erste Auftreten. Das Halten von Duplikaten hilft, wiederholte Erwähnungen zu überprüfen, stellt aber nicht fest, wie viele tatsächliche Links eine HTML-Seite enthält. Das Tool untersucht eingefügten Text, anstatt ein gehostetes Dokument oder seine Linkstruktur zu inspizieren, so dass Vorkommen in Quellcode und Prosa beide Kandidaten sind.
Die Pünktlichkeit muss überprüft werden. Eine Periode, die einen Satz oder eine Klammer um eine Adresse beendet, gehört normalerweise zum umgebenden Text, aber diese Zeichen können auch zu einer gültigen URL gehören. Gemeinsame Nachkommastellen, Kommas und ähnliche Zeichen werden zusammen mit überschüssigen Schlussklammern entfernt, während ausgewogene Klammern innerhalb von Adressen nach Möglichkeit beibehalten werden. Die automatische Extraktion kann nicht immer die Absicht des Autors bestimmen. Wenn eine letzte Markierung für einen Pfad oder eine Abfrage wichtig ist, vergleichen Sie sie mit der Quelle. Whitespace, Anführungszeichen und HTML Trennzeichen beenden eine Übereinstimmung. Eine über Linien gestrichelte Verbindung wird nicht automatisch in eine fortlaufende Adresse rekonstruiert.
Die Ausgabe enthält eher syntaktische Kandidaten als Verfügbarkeitsprüfungen. Es wird kein Link geöffnet, kein Server wird abgefragt und Weiterleitungen oder Zielinhalte werden nicht verifiziert. Prüfen Sie Protokolle, Domänen und Abfragedaten, bevor Sie die Liste freigeben. Ein leeres Ergebnis kann bedeuten, dass es an einem expliziten Protokoll fehlt. Input unterstützt eine Million Zeichen und zehntausend Treffer, mit höchstens zehntausend Zeichen pro Adresse. Behalten Sie den Ausgangstext bei, wenn der Kontext jedes Links wichtig ist. Um Filter und Werte in einer Adresse zu inspizieren, fahren Sie mit dem URL-Parameterparser fort, nachdem Sie diese URL kopiert haben, und überprüfen Sie die ursprüngliche Zeichensetzung, bevor Sie die Abfrage interpretieren.
Optionen und Grenzen
Einfügen von Text mit vollständigen HTTP- oder HTTPS-Adressen. Häufige nachlaufende Satzzeichen und überschüssige Schließklammern werden entfernt. Bewahren oder entfernen Sie exakte Duplikate. Links werden nicht geöffnet und die Zielexistenz wird nicht überprüft. Maximal 1 Millionen Zeichen, 10,000 Treffer und 10,000 Zeichen pro URL.
Häufige Fragen
Extrahiert es Domains ohne Protokoll?
Nein. example.com und www.example.com ohne http:// oder https:// werden nicht als vollständige Links behandelt. Überprüfen Sie Übereinstimmungen, wenn Interpunktion Teil der URL ist.