Trình trích xuất URL

Trình trích xuất URL là công cụ miễn phí giúp tìm các URL HTTP và HTTPS trong văn bản bạn dán vào, đồng thời cho biết số lượng URL tìm thấy.

Làm cách nào để trích xuất URL từ văn bản?

Dán văn bản nguồn vào ô nhập, chạy quá trình trích xuất rồi kiểm tra mục Count.

1. Sao chép văn bản có chứa các địa chỉ web.
2. Dán văn bản vào công cụ và bắt đầu trích xuất.
3. Kiểm tra mục Count.

Số lượng này hữu ích khi bạn đã biết sơ bộ văn bản phải có bao nhiêu liên kết. Chẳng hạn, nếu bản mô tả chiến dịch cho biết có 20 tài liệu tham khảo nhưng kết quả chỉ hiển thị 19, bạn có thể kiểm tra lại nguồn trước khi chuyển tiếp tài liệu.

Trích xuất URL giúp tiết kiệm thời gian trong trường hợp nào?

Việc trích xuất URL giúp bạn tiết kiệm thời gian bất cứ khi nào các liên kết nằm lẫn trong câu chữ, nhãn, bình luận hoặc những dữ liệu không cần thiết khác.

• Hồ sơ hỗ trợ: thu thập liên kết từ các phiếu hỗ trợ Zendesk hoặc cuộc trò chuyện Microsoft Teams đã sao chép trước khi kiểm tra những trang được báo cáo.
• Công việc nội dung: lấy các liên kết tham khảo từ tài liệu Word hoặc bản nháp bài viết WordPress khi kiểm tra nguồn, chuyển hướng hay liên kết nội bộ.
• Dữ liệu xuất từ bảng tính: lấy lại các địa chỉ web trong phần ghi chú xuất từ Google Sheets hoặc Excel mà không phải kiểm tra thủ công từng ô.
• Chuẩn bị trộn thư: tách liên kết đích khỏi phần mô tả trước khi đưa chúng vào cột URL trong tệp CSV.
• Kiểm tra khi di chuyển nội dung: tìm các liên kết tuyệt đối trong nội dung trang đã sao chép trước khi chuyển bài viết giữa các hệ thống quản lý nội dung.

Địa chỉ nào được tính là URL?

Với công cụ này, các địa chỉ hợp lệ là URL bắt đầu bằng http:// hoặc https://. Tên miền đơn thuần như example.org, địa chỉ www không có lược đồ, địa chỉ email và đường dẫn tương đối như /contact đều là những dạng dữ liệu khác.

Một URL có thể gồm tên miền, cổng, đường dẫn, chuỗi truy vấn và phân đoạn. Các thành phần này có thể chứa số. Dấu cách nguyên dạng không phải là ký tự URL hợp lệ và thường được mã hóa, phổ biến là %20, dù nhiều hệ thống hiện đại sử dụng cấu trúc khác thay cho dấu cách.

Tên miền quốc tế hóa có thể xuất hiện dưới dạng văn bản Unicode hoặc dạng Punycode tương thích với ASCII. Do quá trình trích xuất văn bản dựa vào việc đối chiếu mẫu ký tự, hãy kiểm tra kỹ các địa chỉ này thay vì cho rằng mọi ứng dụng đều diễn giải chúng giống nhau.

Ví dụ về dữ liệu đầu vào và kết quả

Đầu vào

Project brief https://example.org/brief

Archive copy http://example.net/archive

Count 2

URL cũng có thể chứa đường dẫn và các tham số truy vấn.

Đầu vào

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

Count 1

Nên kiểm tra dữ liệu đầu vào khó xử lý như thế nào?

Hãy kiểm tra những kết quả nằm sát dấu câu, dấu ngoặc hoặc chỗ xuống dòng, vì văn bản thuần túy không phải lúc nào cũng thể hiện rõ URL kết thúc ở đâu. Dấu chấm có thể thuộc về câu xung quanh. Các ký tự dành riêng ở dạng nguyên bản, trong đó có dấu phẩy và dấu ngoặc, chỉ được phép xuất hiện trong một số ngữ cảnh URL nhất định. Khi được mã hóa phần trăm, chúng xuất hiện dưới dạng chuỗi byte mã hóa phần trăm thay vì ký tự nguyên bản.

Văn bản không chứa địa chỉ HTTP hoặc HTTPS sẽ không có URL hợp lệ để trích xuất.

Công cụ đối chiếu mẫu ký tự chứ không hiểu nội dung của từng trang. Công cụ không thể suy ra lược đồ bị thiếu, sửa liên kết bị ngắt qua nhiều dòng hoặc xác định rằng một dấu câu gần đó được nhập nhầm.

Câu hỏi thường gặp

Công cụ có trích xuất địa chỉ www không có HTTP hoặc HTTPS không?

Không. Hãy thêm đầy đủ lược đồ, chẳng hạn https://www.example.org, nếu bạn muốn địa chỉ được nhận diện là URL HTTP hoặc HTTPS. Đừng tùy tiện thêm lược đồ vào văn bản không đáng tin cậy hoặc có định dạng sai.

Công cụ có kiểm tra liên kết còn hoạt động không?

Không. Việc đối chiếu mẫu chỉ nhận diện đoạn văn bản có dạng URL, không xác nhận tên miền có tồn tại, máy chủ có phản hồi hay trang đó có an toàn hay không. Hãy kiểm tra riêng các liên kết trước khi xuất bản hoặc mở những địa chỉ lạ.

Công cụ có trích xuất được liên kết tương đối từ HTML không?

Công cụ có thể nhận diện các URL HTTP hoặc HTTPS tuyệt đối trong văn bản bạn dán vào, kể cả những URL nằm trong mã nguồn HTML. Giá trị tương đối như href="/pricing" không chứa lược đồ bắt buộc và cần được kết hợp với địa chỉ gốc của trang web để trở thành URL tuyệt đối.

Văn bản tôi dán vào có được gửi đến máy chủ không?

Có. Dữ liệu đầu vào được truyền đến máy chủ qua HTTPS để thực hiện quá trình trích xuất và không được lưu trữ. Tránh dán thông tin bí mật, mật khẩu hoặc mã truy cập riêng tư vào bất kỳ tiện ích xử lý văn bản nào, đặc biệt khi chúng xuất hiện trong chuỗi truy vấn URL.

Quá trình trích xuất có xóa tham số theo dõi không?

Không nên mặc định rằng công cụ sẽ làm sạch URL hoặc xóa tham số theo dõi. Trước khi chia sẻ các URL từ nguồn, hãy kiểm tra những chuỗi truy vấn như thẻ chiến dịch, mã định danh phiên và tham số có chữ ký, vì chúng có thể làm lộ thông tin hoặc thay đổi địa chỉ đích của liên kết.