Estrai URL dal testo
Trova indirizzi HTTP e HTTPS in un testo, con ripetizioni opzionali.
I tuoi file vengono elaborati qui, sul tuo dispositivo
Non inviamo il tuo file o il contenuto del testo a un server di elaborazione. Non è necessario alcun conto e non vi è alcuna quota operativa giornaliera. I singoli strumenti hanno limiti di dimensione per proteggere la memoria del dispositivo.
È necessaria una connessione per caricare il sito e le sue risorse. L'hosting potrebbe ricevere dati tecnici sulle visite. Preferiti memorizzare solo gli identificatori di strumento in questo browser.
Come trattiamo i tuoi dati →Come utilizzare questo strumento
- Incolla il testo contenente i link HTTP o HTTPS completi.
- Scegliere se conservare o rimuovere duplicati esatti.
- Estrarre e rivedere la punteggiatura prima di copiare o scaricare.
Un esempio che puoi verificare
Raccogliere link dal testo e ispezionare la gestione punteggiatura.
Esempio di input
Visit https://example.com/a and (https://example.org/guia). https://example.com/a
Risultato atteso
https://example.com/a https://example.org/guia
La parentesi di chiusura e il periodo di frase sono esclusi dal secondo collegamento. Il primo URL ripetuto viene visualizzato una volta dopo la deduplicazione.
Estrai URL dal testo: usi e guida pratica
L'estrazione di URL trasforma il testo contenente riferimenti sparsi in un elenco di link che possono essere esaminati separatamente. Aiuta le fonti di inventario, raccoglie gli indirizzi menzionati nelle note o controlla quali link sono apparsi in un documento. Matching riconosce gli indirizzi che iniziano con http:// o https://. Un nome di dominio nudo non è considerato un collegamento e un protocollo non viene aggiunto automaticamente. Questo evita di trasformare parole o nomi incompleti in indirizzi che il testo originale non ha mai fornito e mantiene l'operazione focalizzata su riferimenti espliciti piuttosto che indovinare le destinazioni previste.
Gli indirizzi mantengono la loro ortografia fornita dopo che la punteggiatura finale comune è stata rimossa. I domini non sono normalizzati, i parametri non vengono riordinati e i valori delle query non vengono decodificati. Gli indirizzi che un server potrebbe trattare come equivalenti rimangono stringhe diverse quando la loro ortografia differisce. La rimozione duplicata utilizza il confronto esatto e preserva la prima occorrenza. Mantenere i duplicati aiuta a rivedere le menzioni ripetute, ma non stabilisce quanti collegamenti reali contiene una pagina HTML. Lo strumento esamina il testo incollato invece di ispezionare un documento ospitato o la sua struttura di collegamento, quindi le occorrenze nel codice sorgente e nella prosa sono entrambi candidati.
La punteggiatura ha bisogno di ispezione. Un periodo che termina una frase o una parentesi che circonda un indirizzo di solito appartiene al testo circostante, ma quei caratteri possono anche appartenere a un URL valido. I comuni periodi di trailing, virgole e marchi simili vengono rimossi insieme alle parentesi di chiusura in eccesso, mentre le parentesi equilibrate all'interno degli indirizzi vengono mantenute ove possibile. L'estrazione automatica non può sempre determinare l'intento dell'autore. Se un segno finale è importante per un percorso o una query, confrontarlo con l'origine. Whitespace, virgolette e delimitatori HTML terminano una partita. Un collegamento rotto tra le linee non viene automaticamente ricostruito in un indirizzo continuo.
L'output contiene candidati sintattici piuttosto che controlli di disponibilità. Nessun collegamento viene aperto, nessun server viene interrogato e non vengono verificati reindirizzamenti o contenuti di destinazione. Ispezionare i protocolli, i domini e i dati delle query prima di condividere l'elenco. Un risultato vuoto può significare che i riferimenti mancavano di un protocollo esplicito. Input supporta un milione di caratteri e diecimila partite, con al massimo diecimila caratteri per indirizzo. Conservare il testo sorgente quando il contesto di ogni link è importante. Per ispezionare filtri e valori in un indirizzo, continuare con il parser dei parametri URL dopo aver copiato quell'URL, controllando la punteggiatura originale prima di interpretare la query.
Opzioni e limiti
Incolla il testo contenente indirizzi HTTP o HTTPS completi. La punteggiatura comune e le staffe di chiusura in eccesso vengono rimosse. Conservare o rimuovere duplicati esatti. I link non vengono aperti e l'esistenza della destinazione non viene verificata. Massimo 1 milione di caratteri, 10.000 corrispondenze e 10.000 caratteri per URL.
Domande frequenti
Estrae domini senza protocollo?
No. example.com e www.example.com senza http:// o https:// non sono trattati come link completi. Rivedi le corrispondenze quando la punteggiatura fa parte dell'URL.