Pengekstrak URL

Pengekstrak URL ialah alat percuma yang mencari URL HTTP dan HTTPS dalam teks yang ditampal, kemudian memaparkan jumlah yang ditemui.

Bagaimanakah cara mengekstrak URL daripada teks?

Tampal teks sumber ke dalam ruangan input, jalankan pengekstrakan, kemudian semak Bilangan.

1. Salin teks yang mengandungi alamat web.
2. Tampalkannya ke dalam alat dan mulakan pengekstrakan.
3. Semak Bilangan.

Bilangan ini berguna jika anda sudah tahu anggaran jumlah pautan yang sepatutnya ada. Jika taklimat kempen menyatakan bahawa dokumen itu mengandungi 20 rujukan tetapi hasilnya menunjukkan 19, anda boleh menyemak sumber sebelum meneruskan taklimat tersebut kepada pihak lain.

Bilakah pengekstrakan URL dapat menjimatkan masa?

Pengekstrakan URL menjimatkan masa apabila pautan bercampur dengan ayat, label, ulasan atau data lain yang tidak diperlukan.

• Rekod sokongan: kumpulkan pautan daripada tiket Zendesk atau perbualan Microsoft Teams yang disalin sebelum menyiasat halaman yang dilaporkan.
• Kerja kandungan: ambil rujukan daripada dokumen Word atau draf artikel WordPress semasa menyemak sumber, ubah hala atau pautan dalaman.
• Eksport hamparan: dapatkan semula alamat web daripada nota yang dieksport daripada Google Sheets atau Excel tanpa perlu menyemak setiap sel secara manual.
• Penyediaan cantuman mel: asingkan pautan destinasi daripada teks penerangan sebelum memasukkannya ke dalam lajur URL dalam fail CSV.
• Semakan migrasi: cari pautan mutlak dalam kandungan halaman yang disalin sebelum memindahkan artikel antara sistem pengurusan kandungan.

Apakah yang dianggap sebagai URL?

Untuk alat ini, alamat yang berkaitan ialah URL yang bermula dengan http:// atau https://. Domain sahaja seperti example.org, alamat www tanpa skema, alamat e-mel dan laluan relatif seperti /contact ialah bentuk data yang berbeza.

URL boleh mengandungi domain, port, laluan, rentetan pertanyaan dan fragmen. Nombor sah digunakan dalam komponen ini. Ruang literal bukan aksara URL yang sah dan biasanya dikodkan, selalunya sebagai %20, walaupun banyak sistem moden menggunakan struktur lain sebagai ganti ruang.

Nama domain berantarabangsa boleh dipaparkan sebagai teks Unicode atau dalam bentuk Punycode yang serasi dengan ASCII. Oleh sebab pengekstrakan teks bergantung pada pemadanan corak aksara, semak alamat ini dengan teliti dan jangan anggap setiap aplikasi akan mentafsirkannya dengan cara yang sama.

Contoh input dan output

Input

Project brief https://example.org/brief

Archive copy http://example.net/archive

Bilangan 2

URL juga boleh mengandungi laluan dan parameter pertanyaan.

Input

Review order https://example.org/orders/1042?status=open

Bilangan 1

Bagaimanakah cara menyemak input yang rumit?

Periksa hasil padanan yang bersentuhan dengan tanda baca, kurungan atau pemisah baris kerana teks biasa tidak semestinya menunjukkan sempadan URL yang dimaksudkan dengan jelas. Tanda noktah mungkin sebahagian daripada ayat di sekelilingnya. Aksara rizab literal, termasuk koma dan kurungan, hanya dibenarkan dalam konteks URL tertentu. Apabila dikodkan dengan peratus, aksara tersebut muncul sebagai jujukan bait berkod peratus dan bukannya aksara literal.

Teks yang tidak mengandungi alamat HTTP atau HTTPS tidak mempunyai URL yang layak untuk diekstrak.

Alat ini menggunakan pemadanan corak dan bukannya memahami maksud setiap halaman. Alat ini tidak dapat meneka skema yang tiada, membaiki pautan yang terpisah merentasi beberapa baris atau menentukan bahawa tanda baca berdekatan telah ditaip secara tidak sengaja.

Soalan lazim

Bolehkah alat ini mengekstrak alamat www tanpa HTTP atau HTTPS?

Tidak. Tambahkan skema penuh, seperti https://www.example.org, jika anda mahu alamat itu dianggap sebagai URL HTTP atau HTTPS. Jangan tambahkan skema sewenang-wenangnya pada teks yang tidak dipercayai atau cacat.

Adakah pengekstrak ini memeriksa sama ada pautan masih aktif?

Tidak. Pemadanan corak mengenal pasti teks yang menyerupai URL, tetapi tidak mengesahkan sama ada domain itu wujud, pelayan memberikan respons atau halaman tersebut selamat. Semak pautan secara berasingan sebelum menerbitkannya atau membuka alamat yang tidak dikenali.

Bolehkah alat ini mengekstrak pautan relatif daripada HTML?

Alat ini boleh mengenal pasti URL HTTP atau HTTPS mutlak dalam teks yang ditampal, termasuk URL yang ditulis dalam sumber HTML. Nilai relatif seperti href="/pricing" tidak mengandungi skema yang diperlukan dan memerlukan alamat asas laman sebelum menjadi URL mutlak.

Adakah teks yang saya tampal dihantar ke pelayan?

Ya. Input dihantar ke pelayan melalui HTTPS untuk proses pengekstrakan dan tidak disimpan. Elakkan menampal rahsia, kata laluan atau token akses peribadi ke dalam mana-mana utiliti teks, terutamanya jika maklumat tersebut terdapat dalam rentetan pertanyaan URL.

Adakah pengekstrakan membuang parameter penjejakan?

Jangan anggap alat ini akan membersihkan URL atau membuang parameter penjejakan. Semak rentetan pertanyaan seperti teg kempen, pengecam sesi dan parameter bertandatangan sebelum berkongsi URL daripada sumber kerana maklumat tersebut mungkin mendedahkan maklumat atau mengubah destinasi pautan.