Softonic

从文本中提取 URL

步 1 / 3
下一个

粘贴聊天记录、Markdown 文档、电子邮件对话串或原始 HTML 内容，即可获得其中所有 http:// 和 https:// 链接的干净列表。工具会去除末尾标点、识别 Markdown 和 HTML 链接语法，并移除完全相同的重复项，因此你可以直接把列表交给爬虫或归档工具。

如何提取 URL

  1. 1

    粘贴源代码

    输入文本或 HTML。引号、尖括号、Markdown 链接语法及末尾标点都会自动处理。

  2. 2

    运行扫描

    找出所有 `http://` 和 `https://` 链接，去除末尾标点，并移除完全相同的重复项。

  3. 3

    查看数量

    你可以看到找到了多少个唯一 URL，以及完整的列表。

  4. 4

    复制或导出

    每行一个 URL，可直接用于 `curl -I`、归档工具、截图服务或 Screaming Frog 种子列表。

什么算作一个 URL

URL 检测比看起来更复杂，这个提取器刻意坚持一条安全规则：只识别完整的 http:// 和 https:// 链接，其余内容全部保留在你的文本中。

可识别的形式

形式 示例
绝对 HTTPS https://example.com/path?q=1
绝对 HTTP http://example.com
Markdown 链接目标 [text](https://example.com)
HTML 中的绝对 href href="https://example.com"

截断规则

末尾标点会被移除，因此 (https://example.com). 会变成 https://example.com。空格、引号、尖括号、圆括号、方括号、逗号和分号都会终止匹配。包含括号的 URL 会在第一个左括号处被截断，所以维基百科式的标题只能提取到左括号之前。

会跳过什么

  • mailto:、tel:、ftp: 以及所有非 http 或 https 的方案。
  • 协议相对链接，如 //cdn.example.com/asset.js。
  • 无协议的裸域名和 www. 前缀地址，如 example.com/docs/intro 或 www.example.com/page。
  • 仅含锚点的片段，如 #section，以及 JavaScript 伪 URL。

如何处理重复项

完全相同的重复项会被移除：https://example.com 无论出现多少次都只计一次，而 Example.com 和 example.com 会保留为两个独立条目。列表保持每个 URL 首次出现的顺序。

后处理技巧

  • 先转小写再做规范化去重。 如果希望 Example.com 和 example.com 算作同一主机，请先把输出转成小写，再重新去重。
  • 移除跟踪参数。 归档前使用 UTM 清理工具处理，否则会得到数十个几乎重复的链接。
  • 检查状态。 确定列表前，先用失效链接检查工具过滤掉 404 错误。

常见问题

只有当短链接带有完整方案时才能识别。单独的 bit.ly/xyz 不会被捕获，但 https://bit.ly/xyz 会作为普通 URL 处理。提取器不跟踪重定向，如需最终目标地址，请单独解析。

可以，当 href 是完整的 http:// 或 https:// URL 时。值会被干净地提取出来，不带周围标签；相对 href 不会被捕获。

它们会原样保留。如需移除 utm_* 及类似的跟踪参数，请在提取后使用 URL 清理工具。

不会。文本在请求期间处理，内容不会被持久化或记录。

相关工具

字数统计器

统计单词、字符、句子和段落数，并提供阅读时间、朗读时间、关键词密度，以及面向论文、帖子、配文和元描述的 Flesch 易读性评分。

域名生成器

根据一个关键词生成域名创意：在六种常见 TLD 中组合前缀、后缀、重复字母和数字结尾。

适合阅读障碍者的文本转换工具

将粘贴的文本重新排版为短段落和约72个字符的行，便于阅读。将结果复制到任何文档、邮件或编辑器中。

可复制的箭头符号

一键复制常用 Unicode 箭头：直线、双线、斜向、钩形、环形和三角样式，适合文档、聊天和设计。

小于或等于符号

复制 ≤ 符号及相关数学比较符号。包含适用于电子表格、论文和网页的 Unicode、HTML 实体及 LaTeX 标记。

Base64 文本编码器

把文本编码为 Base64，或把 Base64 解码回可读文本。支持 UTF-8、URL 安全变体以及含空白字符的输入。

此工具还提供其他语言版本