URL抽出ツール
記事、メール、参考文献リスト、メモなどを貼り付けると、含まれているウェブリンクを1件ずつ重複なしで一覧にします。「ドメインのみ」をオンにすると、ホスト名だけを取り出せます。結果は1行に1件、またはカンマ区切りでコピーできます。無料、登録は不要で、テキストがブラウザの外に出ることはありません。
オプション
URL抽出ツールの使い方
- テキストを貼り付けます。 リンクを含むものなら何でもかまいません。参考文献リスト、メール、コピーした文書、メモなどです。一覧は入力に合わせて更新されます。
- URL全体かドメインかを選びます。 「ドメインのみ」のチェックを外すと各リンクを完全な形で残し、チェックを入れるとすべてのリンクをホスト名だけに縮めます。
- 出力形式を選びます。 「1行に1件」は表計算ソフトの1列に向いており、「カンマ区切り」は1行にまとめます。
- 結果をコピーします。 「見つかったURL数」（または「見つかったドメイン数」）のカードに、重複を除いた件数が表示されます。
リンクとして認識される条件
ツールは http://、https:// または www. で始まり、次の空白、山かっこ、引用符までが続くものをリンクとして認識します。文末に付いた句読点（ピリオド、カンマ、セミコロン、コロン、引用符、または対応する開き括弧のない閉じ括弧）は取り除かれるため、文末や括弧の中にあるリンクもきれいに取り出せます。
重複は取り除かれ、比較では大文字と小文字を区別しません。そのため https://Example.com/a と https://example.com/a は1件として数えられ、先に出てきた表記が残ります。ただし実際のURLではパスが大文字と小文字を区別することがあります。パスの大文字・小文字だけが異なる2つのリンクは別のページかもしれず、その場合は最初の1つだけが一覧に残ります。
「ドメインのみ」をオンにすると、各リンクはホスト名に縮められます。たとえば https://example.com/guide?id=4 は example.com になり、ポート番号は取り除かれます。www. の接頭辞は残るため、www.example.org と example.org は別のドメインとして並びます。ドメインも重複は取り除かれるので、1つのサイトへの100個のリンクは1行にまとまります。
具体例
入力
See https://example.com/guide?id=4#top, www.example.org/page. Also http://sub.example.co.uk:8080/a/b; and https://EXAMPLE.com/guide?id=4#top. Not links: example.com and ftp://files.example.com/x.zip
出力（URL全体）
https://example.com/guide?id=4#top www.example.org/page http://sub.example.co.uk:8080/a/b
出力（ドメインのみ）
example.com www.example.org sub.example.co.uk
見つかったURL数: 3。リンクは4つ一致しましたが、2つ目の example.com のリンク（大文字で書かれたもの）は重複として除かれました。末尾のカンマ、ピリオド、セミコロンも取り除かれています。http:// や www. のない example.com はリンクとして認識されず、ftp:// のアドレスも同様です。
制限事項
- 閉じ括弧は対応している場合だけ残ります。 Citation_(style) のようなWikipediaのアドレスは、開き括弧もリンクに含まれているので括弧が残ります。一方、リンクを囲む括弧の閉じ括弧だけのものは取り除かれます。対応しない閉じ括弧で終わるリンクは1文字短くなるため、そのようなアドレスは手で確認してください。
- 認識するのは3つの接頭辞だけです。 http://、https://、www. のないアドレスは、ドメインのように見えても認識されません。
- リンクは検査しません。 一覧にあるアドレスが切れていたり、別のページへ転送されたりすることがあります。このツールはリンクを見つけるだけで、アクセスはしません。
どのツールが必要ですか？
| やりたいこと | 使うツール |
|---|---|
| テキストからリンクやドメインを抜き出す | このページ |
| テキストからメールアドレスを抜き出す | メール抽出 |
| 1つのウェブページのアドレスから引用を作る | Webサイト引用ジェネレーター |
| URLからBibTeXを作る | URL to BibTeX |
| 特定のサイトを含む行だけを残す | Line Filter |
よくある質問
- テキストからURLをすべて抽出するにはどうすればよいですか？
- テキストを入力ボックスに貼り付けます。http://、https://、www. で始まるリンクがすぐに一覧表示され、重複は取り除かれ、「見つかったURL数」に件数が表示されます。一覧は「結果をコピー」でコピーできます。
- テキストからドメインの一覧を取得するにはどうすればよいですか？
- 「ドメインのみ」をオンにします。各リンクはホスト名に縮められ、重複するドメインはまとめられるため、言及されているサイトごとに1行ずつ得られます。sub.example.co.uk のようなサブドメインは省略されずに残ります。
- 結果に含まれないリンクがあるのはなぜですか？
- よくある原因は、example.com のように http://、https://、www. が前に付いていないことか、ftp:// など別のスキームを使っていることです。テキストに接頭辞を付け加えると認識されます。
- リンクの末尾の閉じ括弧はいつ残りますか？
- リンク内に対応する開き括弧があれば残ります（例：Citation_(style)）。それ以外は、ピリオドやカンマと同じように取り除かれるため、括弧の中にあるリンクもきれいに取り出せます。対応しない閉じ括弧で本当に終わるアドレスだけが1文字短くなります。
- 大文字と小文字が違うリンクは重複として扱われますか？
- はい。重複を取り除く際は大文字と小文字を区別せず、先に出てきた表記を残します。大文字と小文字でパスが区別されるサイトでは、そのような2つのリンクが1つにまとめられることがあります。
- リンクが有効かどうか確認できますか？
- いいえ。このツールはリンクらしいテキストを認識するだけです。出典を確認するには、ブラウザで開くか、引用の場合は引用ジェネレーターを使ってください。
- 私のテキストはアップロードされますか？
- いいえ。解析はブラウザ内で行われ、テキストが送信されたり保存されたりすることはありません。