网址提取器

粘贴一封邮件、一个网页的 HTML、聊天记录导出或服务器日志，就能得到其中所有链接的整洁列表。提取器能找到 http、https、ftp 地址和以 www 开头的链接，去掉句子里粘在链接后面的标点，保留属于地址的括号（比如维基百科链接），去除重复，还能只列出域名，并统计每个域名下的链接数。

使用方法

1. 粘贴文本或 HTML。
2. 选择完整链接或仅域名；勾选“同时查找只有域名的地址”，还能找出没有 http 或 www 的地址。
3. 按需去掉追踪用的查询字符串，只保留某些域名或文件类型，或排除一些链接。
4. 复制列表；表格会统计各域名下的链接数。

计算公式

链接 = (http:// | https:// | ftp:// | www.) 加上直到空格、引号或尖括号之前的字符，再去掉末尾的标点

链接末尾的句号、逗号、冒号、引号或右括号被视为句子的标点而去掉，除非链接内部有与之匹配的左括号。每个链接都会用浏览器的 URL 解析器检查。比较重复项时，主机名转成小写并忽略末尾的斜杠，所以 HTTPS://Docs.Example.com/start 和 https://docs.example.com/start 算作同一个。只写域名的地址必须以常见的顶级域名结尾，这样 main.js 之类的文件名就不会被收进来。

示例

示例文本会得到 4 个链接：https://docs.example.com/start?ref=mail、www.example.org、保留了“(disambiguation)”部分的维基百科链接，以及 PDF 链接。大写写法的 docs 链接会作为重复项被去掉。选择“仅域名”后，列表是 docs.example.com、example.org、en.wikipedia.org 和 files.example.com。