Extrator de URL
Extraia links http:// e https:// de um texto colado. Insira o conteúdo no campo Texto de Entrada para obter as URLs correspondentes, uma por linha.
Ferramenta para Extrair Links de Textos
Fórmula do Extrator de URL
Onde:
- \(U\) — uma URL correspondente.
- \(p\) — o prefixo obrigatório, sensível a maiúsculas e minúsculas.
- \(c_i\) — um caractere após o prefixo; não pode ser espaço em branco, aspas simples ou duplas, nem sinal de menor ou maior.
O extrator encontra cada subsequência correspondente no texto. Ele interrompe a correspondência no primeiro caractere de parada, mas não verifica se a string resultante é um endereço web válido ou acessível.
Extrator de URL – Exemplo de Cálculo
Exemplo: insira o texto de exemplo, “Visite https://wpcalc.com ou http://example.com para mais informações” no campo Texto de Entrada.
\[ \begin{aligned} U_1 &= \texttt{https://wpcalc.com} \\ U_2 &= \texttt{http://example.com} \end{aligned} \]
Resultado: o campo URLs Extraídas contém duas correspondências, nessa ordem, em linhas separadas.
Como usar o Extrator de URL
- Cole um artigo, mensagem, entrada de log ou outro conteúdo no campo Texto de Entrada. Você também pode editar o texto de exemplo já presente no campo.
- Execute a calculadora e leia o campo URLs Extraídas. Cada correspondência aparece em sua própria linha, na ordem em que ocorre no texto inserido.
- Copie as correspondências de que você precisa. Se o resultado mostrar Nenhuma URL encontrada, verifique se o texto contém um
http://ouhttps://em letras minúsculas, seguido de pelo menos um caractere que o extrator possa incluir.
O que o Extrator de URL encontra
Um extrator de URL separa strings semelhantes a endereços web do texto ao redor. Isso é útil quando os links estão espalhados por anotações, e-mails, conteúdo copiado de páginas ou logs, e você quer uma lista sem precisar ler linha por linha. Esta ferramenta procura strings que começam com o prefixo literal http:// ou https://. Ela pode encontrar mais de uma correspondência no mesmo parágrafo e preserva as correspondências repetidas, em vez de remover duplicatas.
Após um prefixo, uma correspondência continua até um espaço em branco, uma aspa simples ou dupla, ou um caractere < ou >. Essa regra permite que o extrator capture endereços incorporados em prosa comum e em valores de atributos HTML entre aspas. Isso também significa que o resultado é uma correspondência de texto, não um hiperlink processado. Por exemplo, https://example.com/page. no final de uma frase inclui o ponto final na string extraída. Verifique a pontuação antes de usar um resultado como link.
A ferramenta não verifica domínios, não testa se as páginas existem e não confirma que um endereço é seguro para abrir. Ela não exige que o prefixo apareça no início de uma palavra, portanto, pode encontrar uma correspondência dentro de uma string maior. Um endereço escrito como www.example.com, sem o esquema, não é extraído. Se a sua fonte contiver um endereço codificado, decodifique-o primeiro com o Decodificador de URL; a decodificação não torna um endereço válido, mas pode revelar um prefixo que o extrator consegue reconhecer.
Premissas e dicas práticas
- A correspondência diferencia maiúsculas de minúsculas.
HTTP://eHTTPS://em maiúsculas não são reconhecidos. Se a grafia variar, normalize uma cópia do seu texto com o Conversor de Maiúsculas e Minúsculas antes de extrair; converter todo o texto para minúsculas também alterará caminhos de URL sensíveis a maiúsculas. - Revise os limites. Vírgulas, pontos, parênteses de fechamento e pontuações semelhantes podem permanecer anexados a uma correspondência, porque não são caracteres de parada. Por outro lado, aspas e sinais de menor e maior encerram uma correspondência, mesmo que estejam presentes na fonte.
- Mantenha ou remova repetições conforme necessário. O extrator lista todas as ocorrências, incluindo duplicatas. Para transformar a saída em uma lista de linhas únicas, cole-a no Removedor de Linhas Duplicadas.
- Use o extrator adequado aos dados. Esta ferramenta procura prefixos de endereços web, não endereços de e-mail isolados. Para endereços como
nome@example.com, use o Extrator de E-mail.
Para melhores resultados, inspecione as linhas extraídas antes de compartilhá-las ou abri-las. Em particular, remova qualquer pontuação de frase anexada e trate com cautela links inesperados em mensagens ou logs.
Perguntas frequentes
Como extrair URLs de um texto manualmente?
Procure no texto cada ocorrência de `http://` ou `https://` e copie os caracteres até o próximo espaço, quebra de linha, aspa ou sinal de menor ou maior. Repita para cada ocorrência. Verifique o final de cada string copiada: pontuações de frase, como ponto ou vírgula, podem não fazer parte do link pretendido.
Parâmetros de consulta e fragmentos de URL são incluídos?
Sim. Um ponto de interrogação, um “e” comercial (&), um sinal de igual e uma cerquilha podem fazer parte de uma string extraída, de modo que um endereço como `https://example.com/search?q=cat#results` permanece inteiro. A extração não verifica se a consulta ou o fragmento fazem sentido. Se a fonte usar entidades HTML como `&`, a saída mantém esses caracteres exatamente como escritos.
Por que links relativos do HTML não aparecem?
Links relativos como `/about` e `../contact` não têm o prefixo `http://` ou `https://`, por isso este extrator não os retorna. Para transformar um link relativo em um endereço completo, resolva-o em relação à URL base da página de origem. Verifique também se o HTML contém um elemento ``, que pode alterar a forma como seus links relativos são resolvidos.
O extrator consegue encontrar URLs divididas em várias linhas?
Não. Uma quebra de linha encerra a correspondência, mesmo que o endereço continue visualmente na linha seguinte. Isso pode acontecer ao copiar de um PDF ou de um documento formatado. Una as partes quebradas em uma cópia do texto antes de extrair e depois inspecione o resultado: uma quebra de linha pode, às vezes, separar duas partes de conteúdo realmente diferentes.
Ele encontra links em um PDF, captura de tela ou imagem?
Ele funciona sobre o texto colado no campo de entrada, não sobre o arquivo ou a imagem original. Você pode copiar o texto selecionável de um PDF e colá-lo aqui. Para uma captura de tela ou página digitalizada, use primeiro o reconhecimento ótico de caracteres (OCR) e depois verifique se o texto reconhecido contém erros, como pontuação ausente ou letras trocadas.
Por que URLs em JSON ou HTML às vezes são extraídas incorretamente?
O extrator lê os caracteres que você cola e não processa JSON ou HTML. Por exemplo, `https:\/\/example.com` usa barras invertidas de escape e não corresponderá ao prefixo esperado; `&` em HTML permanece `&` no resultado. Interprete ou decodifique primeiro o formato de origem se precisar dos valores reais dos links e revise a saída antes de usá-los.