Elegir la operación según el dato
Extraer URLs encuentra direcciones completas HTTP o HTTPS. Extraer correos busca patrones habituales de direcciones de correo. HTML a texto recupera contenido textual de un fragmento de marcado sin reproducir el diseño. Cada operación responde a una pregunta distinta y necesita el contenido de origen adecuado.
Pega lo que ya tienes. Estas utilidades no descargan una web a partir de su dirección ni siguen los enlaces encontrados. Si necesitas destinos de atributos href, trabaja con el HTML fuente: convertir primero a texto puede conservar solo la etiqueta del enlace y dejar fuera su dirección. Identifica qué campos necesitas antes de encadenar conversiones.
Revisar las direcciones encontradas
Las URLs deben incluir http:// o https://. Se retiran algunos signos finales habituales y paréntesis de cierre sobrantes, sin verificar que el destino exista. Un dominio sin protocolo o un enlace relativo queda fuera. Compara la dirección completa con el contexto original, especialmente si contiene puntuación significativa.
Los correos se detectan con caracteres latinos habituales y dominios con al menos un punto. No se consultan servidores ni se confirma que una cuenta exista. La opción de quitar repeticiones compara cadenas exactas. No presupongas que variantes de mayúsculas se fusionan: revisa el listado con la definición de igualdad que requiere tu tarea.
Convertir HTML sin renderizar una página
HTML a texto decodifica entidades y separa bloques y saltos. Omite scripts, estilos, comentarios y contenido incrustado. El fragmento se analiza en una plantilla inerte y no se inserta como contenido ejecutable en la página. Puedes copiar la salida para revisarla en un editor.
No se calculan estilos CSS. Un contenido oculto por estilos puede aparecer, y las letras dibujadas dentro de una imagen no se reconocen. Las tablas pierden su diseño y necesitan revisión de filas y columnas. Si solo necesitas convertir & o <, Entidades HTML cambia la representación de caracteres sin extraer texto de toda la estructura.
Practicar y conservar el contexto
Prepara un fragmento con una URL completa, un correo, un bloque de texto y una repetición. Extrae cada clase por separado. Prueba también una dirección relativa para ver qué queda fuera. En HTML, distingue la etiqueta visible de un enlace de su destino. Un resultado pequeño permite comprobar las reglas antes de procesar una lista larga.
Estas herramientas limitan la entrada a un millón de caracteres; URLs y correos admiten hasta diez mil coincidencias. HTML limita además profundidad y nodos. Copia o descarga antes de navegar, conserva la procedencia de cada bloque y confirma por separado cualquier disponibilidad o identidad que la tarea necesite verificar.
Un enlace repetido con puntuación
Pega el fragmento en Extraer URLs y activa quitar repeticiones. Procesa y revisa si el punto final de cada frase se ha excluido de la dirección. Después pega el mismo fragmento en Extraer correos.
Ver https://example.com/docs. Contacto: [email protected]. Repetido: https://example.com/docs.
La lista de URLs tiene solo https://example.com/docs. La extracción de correos devuelve [email protected]. Ninguna de las herramientas visita ni verifica esos destinos.
Desactiva quitar repeticiones para obtener dos apariciones del enlace. En HTML a texto, prueba <p>Hola & adiós</p>: la salida es Hola & adiós, sin las etiquetas.