Extrator de URLs e e-mails de texto, HTML ou arquivo

Extrator de URLs e e-mails: tire todos os links e endereços de e-mail de um texto, página da web ou arquivo

Você cola um texto, ou abre um arquivo, e a ferramenta entrega uma lista limpa de todos os endereços da web que há nele, um por linha, ou, se preferir, uma lista limpa de todos os endereços de e-mail. Ela encontra os links por você, então não é preciso ler o texto e copiá-los um a um. Tudo acontece no seu navegador: o texto e os arquivos que você usa nunca são enviados.

Quando você precisa

A ferramenta serve para o momento em que você tem muito texto com links escondidos nele e precisa só dos links:

• Um e-mail longo, um chat ou um documento. Você quer a lista de todos os links que lhe enviaram, para abri-los, verificá-los, salvá-los ou repassá-los.
• O código de uma página da web. Abra uma página, pressione Ctrl+U para ver o código-fonte, copie-o aqui e você recebe todos os endereços da página: links para outras páginas, imagens, scripts e folhas de estilo.
• Um arquivo de texto, um log ou uma exportação. Um arquivo de anotações, um artigo em Markdown, uma tabela CSV, um log de servidor ou uma página salva podem ter centenas de links entre outras palavras. Abra o arquivo e obtenha a lista.
• Uma verificação dos links de um site (SEO). Para quais sites uma página tem links? Escreva o seu domínio no campo, e os links para o seu site ficam de fora, de modo que você vê só os que levam para longe dele. Escolha "Somente os domínios" para obter uma lista dos sites sem os endereços longos.
• Limpar uma lista. Você tem uma lista longa de links com repetidos. Mantenha ligada a opção "Mostrar cada link uma só vez", e os repetidos somem.

Depois disso você pode verificar o que os links devolvem com o verificador de códigos de status HTTP ou ler os códigos %XX neles com o decodificador e codificador de URL.

Extrair endereços de e-mail

Mude o campo "Encontrar" para "Endereços de e-mail", e a mesma caixa entrega uma lista dos endereços de e-mail do texto. A ferramenta encontra um endereço em qualquer lugar de um texto, em uma carta, uma lista de contatos, uma tabela CSV, o código-fonte de uma página ou um log, e não só nos links que começam com mailto:, porque a maioria dos endereços na web é escrita como texto simples.

• Sem repetidos. "Mostrar cada endereço uma só vez" remove os repetidos, e [email protected] e [email protected] são um só endereço.
• Ordenados. "Ordenar a lista de A a Z" coloca os endereços em ordem alfabética.
• Só os domínios. Escolha "Somente os domínios" para obter a parte depois do @, por exemplo para ver a quais serviços de e-mail ou empresas os endereços pertencem.
• Sem os seus próprios endereços. Escreva o seu domínio no campo "Seu próprio domínio", e os endereços dele e dos subdomínios ficam de fora.

Um endereço é um nome, o sinal @ e um domínio com uma zona. O nome pode ter letras de qualquer alfabeto, dígitos e os sinais . _ % + -, e a zona pode ser longa (.photography) ou internacional (пример.рф). Uma vírgula, um parêntese, uma aspa ou um ponto final depois do endereço não faz parte dele. A ferramenta ignora o que só parece um endereço: nomes de imagens como [email protected] e o nome de usuário em um endereço da web como https://user:[email protected].

Ela não encontra um endereço escondido de propósito: name [at] example [dot] com, um endereço desenhado como imagem ou montado por um script na página. Pense antes de coletar os endereços de outras pessoas: enviar a elas e-mails em massa sem permissão é contra a lei em muitos países (GDPR na Europa, CAN-SPAM nos EUA e outros; no Brasil, a LGPD).

Como usar

1. Escolha o que encontrar: links ou endereços de e-mail.
2. Cole o texto na caixa, solte um arquivo nela ou clique em "Abrir um arquivo". Funcionam arquivos de texto, HTML, Markdown, CSV, JSON, XML e de log, de até 10 MB.
3. A lista aparece na hora abaixo da caixa, com o número de links (ou endereços) encontrados, o número sem repetidos e o número de domínios diferentes.
4. Escolha como mostrá-la: cada link uma vez ou todos, ordenados ou na ordem do texto, os links completos ou só os domínios.
5. Clique em Copiar ou baixe a lista como arquivo .txt.

O que conta como link

• Endereços que começam com http://, https:// ou ftp://. Você também pode marcar a opção para endereços que começam com www. e não têm http://.
• Links em HTML (href="...", src="...") e em Markdown ([texto](endereço)) são encontrados; as aspas e os colchetes em volta deles não fazem parte do resultado.
• A pontuação de uma frase não faz parte de um link: em "visit http://example.com/page." o ponto final fica de fora. Um parêntese que pertence ao endereço, como em https://en.wikipedia.org/wiki/Rust_(programming_language), permanece.
• Endereços com letras que não são do inglês, uma porta, um nome de usuário, um endereço IP ou localhost são encontrados.

Limitações

• Só endereços completos são encontrados. Um link como /about ou ../page.html em HTML não tem o nome do site, por isso não aparece na lista. Um endereço sem http:// e sem www., como example.com/page, também não é encontrado, porque não se distingue de uma palavra comum com um ponto.
• No modo "Links", um endereço de e-mail não é um link, então mailto:[email protected] não dá nada. Mude para "Endereços de e-mail" para obter os endereços.
• No modo "Endereços de e-mail", um nome como user@localhost, sem ponto no domínio, não é um endereço, e a ferramenta não verifica se a caixa de correio existe. Um texto cortado no meio de um endereço dá um endereço cortado.
• Um link quebrado em duas linhas é lido como dois pedaços. Endereços em que as barras são escritas como \/ (como em alguns JSON) não são encontrados.
• A ferramenta não verifica se um link funciona, apenas se ele está escrito como um endereço.