Links aus Text extrahieren
Füge einen beliebigen Text ein: Das Tool findet jede http- und https-URL, entfernt Duplikate und gibt eine saubere Liste zurück, eine pro Zeile.
Welche Links das Tool erkennt
Es erfasst Adressen, die mit einem dieser Präfixe beginnen: http://, https:// oder ftp://, und solche ohne Protokoll, die mit www. und einer Domain beginnen, wie www.beispiel.de: So schreibt man sie in Texten, und genau die fehlten bisher. Ein Dateiname wie bericht.pdf beginnt nicht mit www und wird nicht erfasst.
Satzzeichen am Ende (der Punkt am Satzende, Kommas, Doppelpunkte) werden entfernt, und eine schließende Klammer nur dann, wenn die Adresse sie nicht geöffnet hat: In (siehe https://website.de/seite) gehört sie nicht zum Link, während eine Wikipedia-Adresse, die auf Rom_(Stadt) endet, vollständig bleibt. Anführungszeichen, auch die typografischen aus Word-Dokumenten, schließen den Link ab, während ein Apostroph zwischen zwei Buchstaben Teil des Links bleibt, wie bei Seiten über L'Aquila oder Sant'Angelo.
Duplikate und Domains: So liest du die Zähler
Duplikate werden entfernt, wobei die Reihenfolge des ersten Auftretens erhalten bleibt, ohne auf Groß- und Kleinschreibung bei Protokoll und Domain zu achten, denn die spielt im Web keine Rolle: HTTPS://Website.DE/a und https://website.de/a sind dieselbe Adresse. Der Rest wird so verglichen, wie er geschrieben ist, daher bleiben https://website.de/seite und https://website.de/seite/ zwei verschiedene Adressen, und ein Link mit www. bleibt verschieden von demselben Link mit http://, weil beim ersten das Protokoll unbekannt ist.
Der Website-Zähler gruppiert Links nach Domain und ignoriert das Präfix www: praktisch, um auf einen Blick zu sehen, wie viele verschiedene Quellen ein Artikel zitiert, die Links eines Newsletters vor dem Versand zu prüfen oder die Quellen einer Abschlussarbeit zu erfassen.
Ein Text, fünf Arten der Suche
Über dem Feld gibt es fünf Schaltflächen, und derselbe Text lässt sich auch nach den anderen Arten durchsuchen, mit denselben Regeln: E-Mail-Extraktor, Hashtags extrahieren, Erwähnungen extrahieren und Telefonnummern extrahieren.
Derselbe Text mit derselben Schaltfläche ergibt auf allen fünf Seiten dieselbe Liste.