关于 URL 提取工具
URL 提取工具使用优化的正则表达式从任意文本中识别并提取所有超链接，覆盖 http、https、带 www 前缀以及 FTP 等协议格式。匹配引擎遵循 RFC 3986 定义的 URI 通用语法，能正确处理含端口号、查询参数、锚点片段和 IPv4 地址的复杂 URL。提取结果自动去重并按出现顺序排列，支持导出为纯文本列表。工具有效，但也值得知道它的边界：URL 里允许的字符远多于普通英文单词，匹配时会对行尾的句号、右括号、逗号等断句字符做边界判定，避免把标点错误地截进链接，但极少数紧邻中文标点的情形仍可能需人工核对。另一个常见坑是邮件正文里的换行——某些客户端会把长链接折成两行，提取时可能出现截断，处理邮件正文前建议先把手动折行接回。全部识别在浏览器本地执行，不向服务器传输任何数据，适合处理网页源码、邮件正文、日志等含链接的文本，去重后的列表可直接用于外链审计或批量检测。
误用是把「像地址的文本」当作可用地址：提取只能判断形态，无法确认可达性，也会把邮箱中的域名部分、代码里的相对路径一并收进来，因此结果需要按协议前缀过滤并人工复核。另一个误用是直接对提取结果发起请求，未经确认的地址可能指向内网服务或触发不期望的操作，批量访问前应先核对域名范围。
提取结果通常还要经过一轮规范化才有用：去掉末尾标点、剥离跟踪参数、统一协议与主机大小写，并把相对路径补全为绝对地址。这一步不做，后续去重与统计会把同一地址的不同写法当成多个。与相邻工具的分工上，提取负责「找出候选」，规范化负责「统一形态」，可达性检查负责「确认能用」，三步分开做比混在一起更容易定位问题出在哪一步。
结果规模较大时，建议先按域名聚合看分布，再决定后续处理。分布能立刻暴露两类情况：某一域名占绝大多数说明来源单一，可能是同一站点的重复链接；域名非常分散则说明抓取范围过宽，需要先收紧范围再细化处理。先看分布再逐条处理，比逐条阅读更早发现问题，也能避免在无意义的数据上花时间。
最后一个前提与隐私有关：地址里的查询参数常包含邮箱、令牌或用户标识，提取结果一旦存入日志或转发出去就等于把标识一并带走。因此在保存结果前应默认剥离这些参数，只保留主机与路径；确有必要保留时，也应限定保存位置与时长，并在文档里说明保留理由。
与浏览器插件或爬虫框架相比，它的定位是「一次性文本处理」：粘贴文本立刻得到地址列表，不需要配置与登录。因此适合处理手头的导出文件与日志片段；需要定期抓取大量页面时，爬虫框架更合适，因为登录态、分页与限速这些工程问题必须由框架承担，用文本提取解决不了。
实现原理
提取靠模式匹配找出形如地址的片段，因此它只能识别「看起来像地址」的文本，无法判断地址是否可达。常见的误判有两类：把邮箱里的域名部分当成独立地址、把不带协议的路径漏掉。需要精确提取时应先约定协议前缀，并在结果里保留原始位置以便人工复核。
访问 https://oltool.net 或写信到 a@b.com提取到 https://oltool.net；a@b.com 中的 b.com 不应被单独当作地址本页实测数据
| 本次修复 | 句末标点此前会被吃进结果：https://example.com/a. / https://e.com/p; / https://example.com/zh。 |
|---|---|
| 括号处理 | (https://example.com/x) 此前提取为 https://example.com/x)；现在剥掉不成对的右括号 |
| 成对括号保留 | https://en.wikipedia.org/wiki/Foo_(bar) 里的 ) 属于 URL，必须保留——修复后仍完整 |
| 查询串不受影响 | https://e.com/s?ids=1,2,3 内部的逗号不在结尾，保持原样 |
| 去重与顺序 | 重复出现的地址只保留一条，顺序按首次出现 |
修复前 10 个真实句子里有 5 个把标点带进了结果（句号、逗号、右括号、中文句号、分号各一），复制出来都是坏链接。判断规则是「成对的不剥、不成对的剥」：Foo_(bar) 的右括号是地址的一部分，而 (https://example.com/x) 的右括号只是包裹用的。这条规则对中文标点（。）同样适用。
使用方法
- 打开「URL 提取工具」
- 粘贴待处理的文本
- 根据需要调整输出选项
- 点击「处理」按钮，结果实时显示
- 复制或导出结果
使用场景
- 提取网页外链 — 从 HTML 源码中批量抓取所有超链接，用于 SEO 外链分析和友链检查。
- 日志链接排查 — 从服务器访问日志中提取异常 URL，快速定位问题请求和爬虫路径。
- 邮件链接审计 — 检查邮件正文中的所有超链接，识别钓鱼链接或失效地址。
- 文档链接汇总 — 从 Markdown 或文本文档中提取所有引用链接，生成链接清单。
- 数据清洗去重 — 从爬虫结果中提取 URL 并自动去重，减少重复抓取请求。
- 外链收录核对 — 把待检查链接列表提出来与搜索引擎收录数据比对，判断哪些该补交。
常见问题
能提取不带 http 的裸链接吗？
可以。工具会自动识别以 www 开头的域名链接，同时也支持完整的 http 和 https 协议格式。
提取结果会去重吗？
会。同一个 URL 即使在文本中出现多次，结果列表中也只保留一条，并按首次出现顺序排列。
会把行尾的句号或逗号截进去吗？
不会。工具对行尾句号、右括号、逗号等断句字符做边界判定，避免把标点错截进链接，紧邻中文标点的个别情形建议人工核对。
支持 FTP 协议的链接吗？
支持 http、https、ftp 等常见协议。对于 mailto 等特殊协议，建议使用对应的专用提取工具。
能处理含特殊字符的 URL 吗？
能。工具兼容 RFC 3986 标准，能正确识别含百分号编码和 Unicode 字符的国际化 URL。
邮件里的长链接被折行会怎样？
部分邮件客户端会把长链接折成两行，折行处的换行可能导致链接被截断，处理邮件正文前建议先把手动折行接回。
数据安全吗？
安全。所有提取过程在浏览器本地通过正则引擎完成，不发送任何网络请求，可安全处理含敏感信息的文本。
提取结果里混入了邮件地址里的域名？
正则按 URL 特征匹配，user@example.com 里的 example.com 可能被当作 URL。启用「要求协议前缀」（http:// 或 https://）能过滤掉大多数误报；纯域名匹配模式下这类结果需要人工确认。