Extrair URLs do texto
Colete links HTTP e HTTPS e remova duplicatas exatas.
Seus arquivos são processados aqui, no seu dispositivo
Não enviamos seu arquivo ou conteúdo de texto para um servidor de processamento. Nenhuma conta é necessária e não há cota de operação diária. Ferramentas individuais têm limites de tamanho para proteger a memória do seu dispositivo.
Uma conexão é necessária para carregar o site e seus recursos. Hospedagem pode receber dados técnicos de visitas. Os favoritos armazenam apenas identificadores de ferramenta neste navegador.
Como lidamos com seus dados →Como usar esta ferramenta
- Cole texto contendo links HTTP ou HTTPS completos.
- Escolha se deve manter ou remover duplicatas exatas.
- Extraia e analise a pontuação antes de copiar ou baixar.
Um exemplo que você pode verificar
Recolher links de texto e inspecionar o processamento de pontuação.
Entrada de exemplo
Visit https://example.com/a and (https://example.org/guia). https://example.com/a
Resultado esperado
https://example.com/a https://example.org/guia
O intervalo de fechamento e o período de sentença estão excluídos do segundo link. A primeira URL repetida aparece uma vez após a desduplicação.
Extrair URLs do textoUsos e orientação prática
A extração de URLs transforma o texto contendo referências dispersas em uma lista de links que podem ser revisados separadamente. Ele ajuda a inventariar fontes, coletar endereços mencionados em notas ou verificar quais links apareceram em um documento. A correspondência reconhece endereços que começam com http:// ou https://. Um nome de domínio nu não é assumido como um link, e um protocolo não é adicionado automaticamente. Isso evita transformar palavras ou nomes incompletos em endereços que o texto original nunca forneceu e mantém a operação focada em referências explícitas em vez de adivinhar os destinos pretendidos.
Os endereços mantêm a ortografia fornecida após a pontuação de fuga comum ser removida. Domínios não são normalizados, parâmetros não são reordenados e valores de consulta não são decodificados. Endereços que um servidor pode tratar como equivalente permanecem strings diferentes quando sua ortografia difere. Remoção duplicada usa comparação exata e preserva a primeira ocorrência. Manter duplicatas ajuda a revisar menções repetidas, mas não estabelece quantos links reais uma página HTML contém. A ferramenta examina o texto colado em vez de inspecionar um documento hospedado ou sua estrutura de links, então ocorrências no código fonte e prosa são candidatas.
A pontuação precisa de inspeção. Um período terminando uma frase ou um colchete em torno de um endereço geralmente pertence ao texto circundante, mas esses caracteres também podem pertencer a um URL válido. Períodos de fuga comuns, vírgulas e marcas semelhantes são removidos junto com colchetes de fechamento excedentes, enquanto parênteses equilibrados dentro de endereços são mantidos sempre que possível. A extração automática nem sempre determina a intenção do autor. Se uma marca final é importante para um caminho ou consulta, compare-a com a fonte. Espaço em branco, aspas e delimitadores HTML terminam uma correspondência. Um link quebrado entre linhas não é automaticamente reconstruído em um endereço contínuo.
A saída contém candidatos sintáticos ao invés de verificações de disponibilidade. Nenhum link é aberto, nenhum servidor é consultado e os redirecionamentos ou o conteúdo de destino não são verificados. Inspecione protocolos, domínios e dados de consulta antes de compartilhar a lista. Um resultado vazio pode significar que as referências não tinham um protocolo explícito. A entrada suporta um milhão de caracteres e dez mil correspondências, com no máximo dez mil caracteres por endereço. Mantenha o texto de origem quando o contexto de cada link for importante. Para inspecionar filtros e valores em um endereço, continue com o analisador de parâmetros de URL depois de copiar esse URL, verificando sua pontuação original antes de interpretar sua consulta.
Opções e limites
Cole texto contendo endereços HTTP ou HTTPS completos. Pontuação de trailing comum e suportes de fechamento excedentes são removidos. Mantenha ou remova duplicatas exatas. Links não são abertos e a existência do destino não é verificada. Máximo 1 milhões de caracteres, 10,000 Jogos e 10,000 caracteres por URL.
Perguntas frequentes
Extrai domínios sem protocolo?
No. example.com e www.example.com sem http:// ou https:// não são tratados como links completos. Revisar corresponde quando a pontuação faz parte da URL.