Extractor de adrese URL

Extractor de adrese URL

Lipiți o pagină de text, o sursă HTML brută sau un export și acest instrument listează fiecare link pe care îl conține. Citește valorile href și src din ancore, imagini, scripturi și foi de stil și preia, de asemenea, URL-uri simple scrise în proză care rulează, inclusiv gazde www fără schemă. Este util atunci când auditați linkuri de ieșire, recoltați căi de active dintr-un șablon sau transformați un perete de text copiat într-o listă cu care puteți lucra efectiv.

Dublatele sunt eliminate implicit. Schema și gazda sunt comparate fără a ține cont de majuscule, așa că HTTPS://Example.com/a și https://example.com/a se restrâng într-o singură intrare, în timp ce calea și interogarea rămân sensibile la majuscule, deoarece serverele le tratează astfel. Sortați alfabetic pentru a grupa o listă lungă după gazdă. Filtrul de protocol restrânge rezultatul la https sau http, eliminând legăturile ftp și gazdele www fără scheme. Filtrul de domeniu se potrivește cu un subșir al gazdei și niciodată cu calea, așa că example.com nu va potrivi un link către other.org care doar îl menționează într-un segment de cale. Domeniile înlocuiește numai fiecare adresă URL cu gazda, numele de utilizator și portul eliminate - o modalitate rapidă de a vedea la ce site-uri trimite o pagină.

URL-urile revin exact așa cum apar în sursă; nimic nu este re-codificat sau normalizat, în afară de transformarea unui ampersand scapat de HTML într-unul simplu în șirurile de interogare. Punctuația propoziției lipite de sfârșit este tăiată și parantezele de închidere sunt echilibrate, astfel încât un link Wikipedia care se termină în _(bară) supraviețuiește intact. Valorile fără gazdă - căi relative, ancore, mailto, tel, javascript și URI de date - sunt omise. Numărul arată numărul total de apariții, adrese URL unice și domenii distincte.

Totul rulează în browserul tău. HTML-ul pe care îl inserați, fie de pe un site client sau de pe o pagină internă, nu este încărcat niciodată.

FAQ