提取链接

如何使用提取链接

关于提取链接的常见问题

提取链接会不会上传文字和访问链接

都不会。扫描、剥离、去重与统计全部在你的浏览器里用 JavaScript 完成，文本不发送到任何服务器，关闭页面即清除；本地只记住你勾了哪些类型这类参数偏好，不保存文本内容，连你填的「网站地址」都不记（它可能是内网地址）。更重要的是，本工具不会去访问提取出来的任何一条链接：不检测死链、不抓网页标题、不展开短链、不加载预览图，所以你的私有链接不会因为用了这个页面而泄露给任何一方。本工具还是只读的，输入框里的原文一个字都不会被改动。

提取链接末尾多了个句号怎么办

复制的网址带了括号打不开、末尾多个句号点开就是 404，这两件事本工具已经处理好了，不用你手动删。中文正文里 https://a.com/x。 结尾的句号、（https://a.com）外面那对全角括号、【链接】的方括号、结尾的引号和逗号都会被自动剥掉，而且是循环剥的，「）。」这种连着两个也能一次剥干净。同时维基百科那种链接本身带括号的 .../wiki/Foo_(bar) 会完整保留，判断依据是括号在候选串里配不配平：右括号比左括号多才剥。每条被剥掉了什么字符，清单里都挂着「已剥尾」角标，鼠标悬停就能看到原样，不会偷偷改坏你的链接。

网页源码提取链接怎么提取全部 URL

本页不能直接输入网址去抓网页——纯前端加上浏览器的跨域限制根本做不到，而且那等于代你去访问别人的站点。要提取网页里的所有 url，正确做法是：在浏览器里按 Ctrl+U（或右键「查看网页源代码」），全选复制，粘进本页。模式会自动切到「HTML 源码」，<a href>、<img src>、srcset 多倍图、CSS 的 url() 与 @import、form action、video poster 里的链接都会被提出来，锚文本也一并抓取。html 提取所有链接时这 8 种来源默认全勾着，只有 meta 标签里的 og:image、canonical 因为模板噪音太多默认关闭。想只要图片就点「提图片链接」预设，想只要站外链接就填上网站地址后点「只要外链」。

公众号文章提取链接怎么批量提出来

整段复制粘进来就行，不用一条条点开复制，几十条也是一次批量提取链接。微信正文里的链接几乎都带着中文标点，详情见 https://a.com/x。 结尾的句号、（https://a.com）外面那对全角括号都会被剥掉；公众号里常见的 mp.weixin.qq.com/s/xxxx 短文链、群聊里别人手打的 www.a.com 这类不带 http 的写法也认得，聊天记录批量提取网址走的也是这条路径。同一条链接在一篇文章里出现三五次很常见，结果默认已经按归一化后的网址去重，并标出每条出现了几次。想把分享链接后面那串 ?share_source=…&share_token=… 剪掉再转发，点「清洗链接」预设即可。整个过程在手机或电脑的浏览器本地完成，聊天记录不会上传。

Word 里的链接怎么批量提取出来

本页不解析 .docx 二进制文件，直接把 Word 文件拖进来是读不出内容的。可行的路径有两条：一是先用 Word 转 HTML 把文档转成 HTML，再把 HTML 粘进本页，模式会自动切到「HTML 源码」，所有 a 标签的 href 与锚文本都会被完整抽出来，还能一起拿到 img 的 src；二是在 Word 里全选正文复制，直接粘进本页的纯文本框——这样能提到正文里写出来的网址，但「点击这里」这种把网址藏在超链接后面、正文只显示文字的情况提不到，必须走转 HTML 那条路。Excel 与 PDF 同理，全选复制正文粘过来即可。

不带 http 的 example.com 能提取链接吗

能。www.a.com、taobao.com/item?id=1 这类裸域名默认识别，并可自动补上 https:// 变成能直接点开的网址，原样值仍然保留在「原文」列里。同时 main.js、README.md、src/index.ts、v1.2.3、3.14 这些不会被误认成网址：判定要求末段是已知域名后缀，而像 .js、.py、.io、.me、.ts 这种既是后缀又常是文件扩展名的，还得带 www. 前缀、后面跟着路径或端口才认。这是刻意的取舍——宁可漏认冷门后缀（你加个 https:// 就行），也不让清单里全是噪音。

提取链接能去掉 utm 这类跟踪参数吗

能。去掉 utm 参数一步到位：点「清洗链接」预设，也可以只打开「去掉跟踪参数」这一个开关。去掉链接跟踪参数不影响页面本身能不能打开，它们只用来告诉网站你从哪来。除了 utm_source、utm_medium、gclid、fbclid、msclkid 这些国际通用参数，还覆盖淘宝的 spm、B 站的 vd_source、小红书与抖音的 share_source 和 share_token 等中文平台专属参数，并且支持 utm_ 这类前缀整族删除。清洗链接参数是提取之后才做的一步：去掉了哪些参数会逐条列出来给你核对，去干净之后也不会留下一个光秃秃的问号。原始链接一直保留着，勾上「输出原样值」随时能切回去。要注意带签名的链接不要开「query 参数按名排序」，排序会让签名失效，页面上也有这条提醒。

提取链接能抓到 srcset 和 CSS 里的图片吗

都能。srcset="a.jpg 1x, b.jpg 2x" 会按逗号拆成两条，并各自标出 1x / 2x / 800w 描述符，而不是只取第一个；CSS 的 url(...)（带不带引号都行）和 @import 也在抽取范围里；href="a?x=1&amp;y=2" 里的 HTML 实体会先解码成 & 再输出，否则你复制走的是一条打不开的链接。九种抽取来源可以单独勾选，其中 <meta> 内容默认关闭，因为模板噪音太多，需要 og:image 或 canonical 时勾上即可。

相对路径提取链接怎么补成完整网址

能。在「网站地址」里填上这个页面的地址（例如 https://example.com/news/），/a/b.html、../x.png、./index.htm 以及 //cdn.a.com/x.js 这类协议相对链接都会被补成绝对网址，清单里会挂上「已改写」角标，悬停就能看到「已用「网站地址」补成绝对网址」。没填的话它们会原样保留，页面会提示「有 N 个相对链接，填写上方「网站地址」后可自动补成完整网址」，不会悄悄丢掉。填了网站地址之后还能按内链、外链筛选，同站判定可以选按主域名（m.a.com 与 a.com 算同站）或按完整域名两档。

提取链接后去重和按域名筛选怎么做

默认就按归一化后的网址去重，并显示每条出现了几次：HTTPS://A.com/ 和 https://a.com 会算作同一条（协议名与域名大小写不敏感），但 http:// 和 https:// 不会合并，因为那确实是两个地址。去重口径还可以改成按原文片段或只按域名。还能按域名包含或排除（支持 *.a.com 通配，通配是含自身的）、按关键词包含或排除、只要图片 / 文档 / 音视频 / 压缩包 / 网页链接、每个域名最多取 N 条；要的是提取域名列表、只要域名不要路径，就点「只要域名清单」预设：按域名去重再按出现次数排序，直接得到一份域名榜。这些整理步骤的施加顺序是固定的：先按类别筛，再按内容筛，然后去重，接着施加每域名上限，最后排序。

提取链接和用正则查找替换有什么区别

用 https?://\S+ 这样的正则五分钟就能写完，但真实文本里处处是坑：句号括号会被吃进去、www.a.com 会整条漏掉、[标题](网址) 的右括号会被吞、HTML 实体没解码、srcset 只取到第一个、data: 内联图片几百 KB 整段灌进结果、javascript:void(0) 混进清单，而且这些错误不会报错，只是悄悄给你一份坏清单。本页把这些判断做成勾选项，并把每一处「为什么没提出来」都列出来。如果你本来就会写正则、要的是完全自定义的抽取规则，用正则测试更合适；要把链接从原文里删掉或替换掉，用批量查找替换——本工具只读不改原文。

提取链接会提 data 和 javascript 伪链接吗

默认都跳过，并且会明确告诉你跳过了几个、data: 内容合计多大。原因很实在：一张内联的 base64 图片动辄几百 KB，几十个塞进结果就能把页面撑死；而 javascript:void(0) 是「看起来是链接其实不是」的头号来源，混进清单只会添乱。默认跳过时，「没提出来的位置」里只留开头 80 个字符的片段，不会把几百 KB 的 base64 灌进表格；确实需要就在「链接类型」里勾上，勾上之后提出来的是完整内容，一条几百 KB 的 base64 会把清单撑得很高、下载文件也会变大，用完建议再关掉。另外用 HTML 输出格式时，这两类会被强制降级成纯文本，绝不会生成一个可点的 javascript: 超链接——你很可能把输出直接贴进自己的网页。

提取链接时中文域名和 xn-- 怎么显示

https://中国.cn/首页 能正常识别；实际输出的链接里主机是 xn--fiqs8s.cn、中文路径是百分号编码，这是浏览器地址栏里真正生效的形式。清单的「网址」列显示的是解码后的可读值（xn--fiqs8s.cn 显示成 中国.cn，%E4%B8%AD 显示成中文），方便你核对，但复制和下载拿到的始终是可直接使用的原样链接，两者永远分得清清楚楚。看到「国际化域名」标记时建议多看一眼域名——长得像中文品牌的国际化域名有时并不是你以为的那个站。本工具只做这一条中性提醒，不做钓鱼判定。

提取链接能检测哪些是失效的死链吗

不能，而且这是刻意的，不是没做完。检测死链必须逐条去访问这些网址：要么让服务器代抓，那你的链接就上传了；要么在浏览器里直接请求，那会被跨域限制挡住，还会把访问记录留在对方服务器上。本页只负责准确地把链接提出来，一次网络请求都不发。想查可用性，请把清单导出后用你自己信任的工具去检测。同理，本页也不抓网页标题、不展开短链、不查 IP 归属、不判断是否为钓鱼站。

提取链接免费吗有没有字数限制

完全免费，不用注册、不用下载软件，也不加水印，13 种链接类型、9 种来源、7 个预设、链接清洗与「没提出来的位置」这些功能都不分免费版付费版。原因很实在：提取全部由你自己的浏览器算完，站点不承担计算成本。限制只来自浏览器性能：建议单个文件 10 MB、单次 500 万字以内，超过 20 万字后不再边打边出结果，改成点「开始提取」再分片计算，带进度、可以随时取消，触到上限时页面会明确写出已处理到哪里。结果清单默认展开前 20 条、「没提出来的位置」记录前 500 处，复制与下载拿到的都是完整数据。

提取链接支持哪些文件格式

直接粘贴文字是最省事的路径，不受文件格式限制；要拖文件的话，支持 .txt、.md、.html、.htm、.csv、.log、.json、.srt、.xml 这些纯文本文件，单个文件 10 MB 以内，一律按 UTF-8 读取，遇到 GBK 或被改了扩展名的二进制文件会明确提示「该文件不是 UTF-8 纯文本，请另存为 UTF-8 后重试」，而不是给你一堆乱码。.docx、.xlsx、.pdf 这类二进制文档本页不解析：Word 文档请先用 Word 转 HTML 转成 HTML 再粘进来，超链接的 href 与锚文本都在；PDF 与 Excel 直接全选复制正文粘过来就行，链接照样能提。

提取链接结果导出 Excel 会乱码吗

不会。下载的 .csv 与 .txt 默认带 UTF-8 BOM，用 Excel 或 Windows 记事本直接打开中文不乱码，也可以在结果区关掉「下载文件带 UTF-8 BOM」这个开关给程序读。CSV 与 TSV 都是七列：网址、类型、域名、锚文本或来源、出现次数、行:列、上下文，粘进 Excel 就能分列做筛选与透视，接着用 CSV 转 Excel 存成 xlsx 更好继续做表。以 =、+、-、@ 开头的单元格会做公式注入防护，Excel 打开时不会把一条链接当公式执行。

手机上怎么提取链接不用装 App

能，用手机浏览器打开本页粘贴文字就能提，不用装 App、不用注册，提取同样在手机本地完成、文字不上传。移动端做过适配：7 个预设按钮会自动换行排开，13 个类型勾选框与统计卡在窄屏下一行一项铺满，长网址会折行显示而不会把表格撑破，结果清单与「没提出来的位置」都可以横向滚动看完各列。从微信文章、群聊记录、备忘录里复制过来的一大段文字，正好用默认的「提取全部链接」预设一次把网址都捞出来。

提取链接支持哪些链接写法：13 种类型完整对照表

下面这张表和页面的提取实现共用同一份数据，看到什么就一定按什么提。 每一种类型都能单独勾选或关闭，关掉之后文本里的这类链接会进入「没提出来的位置」表并写明 「该链接类型未勾选」，而不是悄悄消失。

提取链接时网址藏在网页源码的哪些位置

纯文本模式只扫正文里直接写出来的裸链；切到 HTML 源码或 Markdown 模式后，下面这些结构化位置 也会被抽取，并且结构化优先——同一段字符已经被 href="…" 吃掉，就不会再作为裸链重复产出一条。

提取链接默认不提哪些位置的网址：五条排除规则

无论因为哪条规则、哪个未勾选的类型、还是哪个筛选条件而没提， 页面都会在「没提出来的位置」表里列出行列号、原文片段和人话原因 （超过 500 处时逐条记录前 500 处，总处数照样写在标题上）。 这张表默认就是展开的，因为静默漏抽等于工具坏了—— 用户抱怨「我的链接怎么没提出来」时，答案必须在页面上。

提取链接和网址提取工具是一回事吗

是同一件事，只是叫法不同：搜「提取链接」「提取网址」「URL 提取」的人要的都是同一个结果—— 把文字里的网址挑出来排成一列。但不同叫法背后的工具形态差别很大， 尤其带「器」字的那一类，往往指要安装的软件、浏览器插件，或者会自己联网去抓取的采集器。 下面把常见叫法对到本页的具体做法，省得你再找一遍。

提取链接能提 mailto 和磁力链接吗

能，而且默认就开着。提取 mailto 链接时，mailto:hi@a.cn 会被当成一条链接收下来，里面的邮箱地址还会单拆一列；正文里没写 mailto: 的裸邮箱默认不提，那是提取邮箱的活。 提取磁力链接同理：magnet:、ed2k:、thunder: 归在「磁力与下载链接」这一类，中文资源站里很常见。weixin:// 这类唤起 App 的链接按「合法 scheme 加 ://」通用识别、不写死清单， 所以新出来的 App 协议也认得；tel:、ftp://、file:/// 各占一类，都能单独关掉。

提取链接为什么不能直接用 https?://\S+ 正则

很多人第一反应是拿 https?://\S+ 在编辑器里全局匹配，或者用批量查找替换手搓一个规则。 问题是真实文本里的链接几乎从不是「一串连续的非空白字符」，下面十条是最常见的翻车现场：

这些坑最麻烦的地方不是难修，而是修错了不会报错： 正则照样跑完、照样吐出一列链接，只是其中几条点开是 404、几条压根没被提出来， 等到发现的时候已经不知道错在哪一步。本页把这些判断做成勾选项， 并把每一处「为什么没提出来」都摆出来，让结果可以逐条核对。

如果你本来就会写正则、要的是完全自定义的抽取规则，正则测试更合适； 要把链接从原文里删掉或替换成别的内容，用批量查找替换—— 本工具只读不改原文，永远不做回写。已经是一列现成网址、只想去掉重复的，用文本去重更轻； 但要注意它是逐字符比较的，认不出 HTTPS://A.com/ 与 https://a.com 是同一条，本页按归一化后的网址去重才行。

提取链接时边界是怎么判的：句号剥掉、括号不剥坏

「找到 http」不难，难的是判断这条链接到哪里结束。 中文正文里链接后面几乎总跟着标点，多带一个句号点开就是 404； 而维基百科那种链接本身带括号的，剥掉同样 404。本页按三步处理，每一步都有单元测试钉住：

1. 无条件剥：句号、逗号、分号、冒号、感叹号、问号、省略号、引号、星号， 以及它们的全角形式，从右往左连续剥掉。注意点只在结尾剥，a.com/a.b 中间的点不会动。
2. 配对剥：括号类符号只在候选串内不配平（右符号比左符号多）时才剥。覆盖半角 () [] {} 与中文的 （） 【】 「」 『』 《》 〈〉 以及中文引号。
3. 循环执行直到不再变化，最多 8 轮。所以 见（https://a.com/x）。 能一次剥干净「）。」两个字符。

提取链接遇到中文路径不留空格为什么会多吃几个字

https://a.com/中文页面看看 这种「路径里有中文、后面紧跟中文正文、中间没有任何 标点或空格」的写法，在信息论上就是不可判定的——没有任何规则能分清 「看看」是路径的一部分还是下一句话的开头。本页的选择是全部吃进路径，并在这里说清楚：中文路径后面请留一个空格或标点。假装能猜对比说清楚更糟。 另一种情况有办法：访问https://a.com看看 里汉字紧跟在顶级域后面， 这时会在 .com 处截断，因为顶级域之后只可能是 / ? # : 或者结束。

提取链接时被换行截断的长网址要不要自动合并

从邮件或 PDF 里复制长链接时，链接常常被折成两行。本页默认不自动合并， 只统计并提示「有 N 处链接疑似被换行截断」；打开「合并被换行截断的链接」开关后才会拼接， 并且每条都会标上「已合并」让你核对。这是启发式判断——静默合并出一条拼错的链接却让你毫不知情， 比不合并糟糕得多。行尾的连字符 - 一律保留，因为它在 URL 里是合法字符。

还有一种常见情况：从 Word 或微信复制来的全角网址 ｈｔｔｐｓ：／／ａ．ｃｏｍ。本页会识别出来并提示，但不做转换—— 那是 全角半角转换 的活， 在这里顺手转会引入隐性改写。先转成半角再回来提取即可。

提取链接为什么 example.com 认、main.js 不认

不带协议的写法在中文互联网极其常见，不认就要漏掉一半；可认得太松，main.js、README.md、src/index.ts、v1.2.3、3.14 就全会变成「链接」，清单直接没法看。 本页要求下面这些条件同时满足才认成裸域名：

1. 左右边界必须是非主机字符，所以「访问淘宝taobao.com」里的 taobao.com 也能认出来。
2. 紧邻左侧是 / \ . @ 时一律不认—— 那是路径或邮箱的一部分。
3. 末段必须命中已知顶级域表（大小写不敏感，中文顶级域单独列）。
4. 末段若同时是常见文件扩展名（.sh .py .io .me .co .ts .md .zip .mov 等）， 还必须额外满足其一：有 www. 前缀、后面紧跟路径、或者后面紧跟端口号。
5. 末段是纯数字一律不认，这一条同时挡掉了小数、版本号和裸 IP。
6. 每段 1–63 个字符、只含字母数字与连字符（或者整段都是中文），不以连字符开头结尾，总长不超 253。

这套规则的取舍是宁漏勿滥：漏认一个冷门新顶级域，你自己加个 https:// 就能提出来；而误认一次，整份清单里就会混进几十条 main.js 这样的假链接，你还得一条条挑出来。顶级域表按常见度整理， 这里也如实说明：它不是完整的 IANA 一千多个新 gTLD 列表， 同样地，内外链判定用的二级后缀表（com.cn、co.uk 这类） 也不是完整的 Public Suffix List。

另外要区分清楚：本页只提 mailto: 这类协议形式的邮箱链接，正文里的裸邮箱 a@b.com 默认不提（它会出现在「没提出来的位置」里， 写明这是邮箱地址）。要的就是这些邮箱，请用提取邮箱——那边把 mailto: 与正文裸地址一起提，还能还原 a [at] b [dot] com 这类防抓写法、配对姓名， 两边对「哪一段是网址」的口径共用同一份实现。tel: 链接同理：本页只把它当一条链接收着，要的是里面的号码本身请用提取手机号——那边把 tel:、data-phone 属性与正文里的号码一起提， 还会判号段运营商、按 E.164 去重、把锚文本当姓名配上。要提数字请用 提取数字——那边把网址当噪音排除，这边把网址当结果提取，两边对「哪一段是网址」的口径由交叉测试守着。

提取链接后怎么去掉 utm_source 和 spm 跟踪参数

提取完点「清洗链接」预设，或者单独打开「去掉跟踪参数」开关，utm_source、spm 这些参数就会被剥掉，并逐条列出改了什么。 从各种 App 里分享出来的链接后面常常拖着一长串参数，它们绝大多数是跟踪参数：只用来告诉网站「这个访客是从哪来的」， 去掉之后打开的还是同一个页面，但链接会短很多，也不会把你的来源信息一起传出去。 本页覆盖的常见跟踪参数：

• 国际通用：utm_source、utm_medium、utm_campaign、utm_term、utm_content、gclid（Google 广告）、fbclid（Facebook）、msclkid、igshid。
• 中文平台专属（这是本页与国外同类工具最大的差别）：淘宝天猫的 spm 与 scm、B 站的 vd_source、 小红书与抖音的 share_source、share_token、share_plat，以及各家通用的 from、ref、sourceid。
• 前缀整族：utm_、pd_rd_、_hs 开头的参数会整族删掉，不用逐个列。

提取链接后什么情况不该清洗跟踪参数

带签名的链接（参数里有 sign、token、expires这类）不要开「query 参数按名排序」——排序会改变链接文本，签名校验就过不去了， 页面上勾选时也有这条提醒。带一次性凭证的分享链接同理，删参数前先自己点开确认一次。 另外「去掉末尾斜杠」也要留神：少数服务器会区分 /docs 与 /docs/， 去掉之后可能变成一次 301 跳转。

提取链接里 xn-- 开头的域名是什么意思

xn-- 是国际化域名（IDN）的 ASCII 表示形式。 域名系统底层只认字母数字与连字符，所以 中国.cn 在真正解析时会被编码成 xn--fiqs8s.cn。本页把它解码回中文显示，方便你核对， 但复制和下载拿到的仍然是可以直接使用的原样链接——raw 是原文真相、url 是可用真相、显示列只给人看， 这三者在本页永远分得清清楚楚。看到「国际化域名」标记时建议多看一眼， 因为长得像知名中文品牌的国际化域名不一定就是那个站。本页只做这一条中性提醒，不做钓鱼判定、不查黑名单，那超出了一个提取工具该有的能力边界。 要对单条网址做百分号编解码，请用 URL 编码解码。

提取链接归一化的 10 个开关分别改了什么

有一条铁律贯穿全部开关：路径的大小写一律不动。 域名大小写不敏感，可以放心转小写；但 Linux 服务器上的路径是区分大小写的， 把 /Path 改成 /path 就可能变成 404。 每一项改写都会在清单里挂「已改写」角标，悬停能看到到底改了什么。

提取链接一般用来做什么：7 个真实场景

• 从微信文章、聊天记录里把网址都捞出来：整段复制粘进来就行。中文正文里 `详情见 https://a.com/x。` 结尾的句号、`（链接）` 外面那对全角括号都会自动剥掉，不带 http 的 www.a.com 也认得。提出来的清单默认已经去重，并标出每条出现了几次。
• 查看网页源代码后批量提取图片链接：在浏览器里按 Ctrl+U 打开网页源代码，全选复制粘进本页，模式会自动切到「HTML 源码」，然后点「提图片链接」预设：img 的 src、srcset 多倍图、CSS 里的 url() 都会被提出来，并按图片扩展名筛一遍。批量提取图片地址时把输出格式切到「每行一个」，拿到的就是一列干净的图片网址。
• README 与笔记里的链接盘点：Markdown 模式认得 [文字](网址)、、<https://a.com> 自动链接和行首的 [1]: 引用式定义，锚文本会一并抓出来。输出格式切到「Markdown 列表」就能直接搬回笔记里。
• 提取外链做外链盘点与域名统计：在「网站地址」里填上自己的站点，点「只要外链」预设，同站链接会被滤掉，剩下的按域名分组。切到「只要域名清单」还能拿到一份去重域名 + 出现次数，做外链盘点或竞品引用统计。把本页当外链盘点工具用时要记得：它只盘点你粘进来的这一篇，不会替你去爬整站。
• Word 文档里的超链接怎么批量提：本页不解析 .docx 二进制文件。正确做法是先用 Word 转 HTML 把文档转成 HTML，再把 HTML 粘进本页——所有 href 都会被完整抽出来，锚文本也在。
• 分享前清洗掉跟踪参数：点「清洗链接」预设，utm_source、gclid、fbclid 以及淘宝 spm、B 站 vd_source、小红书抖音 share_token 这些中文平台参数会被去掉，并逐条列出改了什么，原始链接一直保留着，随时能切回原样。
• 提取后导出 CSV 接着做表：输出格式切到「七列 TSV」可以直接粘进 Excel 分列（网址、类型、域名、锚文本、出现次数、行列位置、上下文），或者下载 UTF-8 带 BOM 的 CSV，再用 CSV 转 Excel 继续做透视与统计。

微信文章提取链接能提出多少条：一个算例

光说「都能提」没用，直接把下面这四行粘进本页，对着数一遍就知道每条规则在做什么：

双十一活动详情见 https://shop.example.com/act?id=8&utm_source=wx&spm=a1z10.3-c。
备用地址 www.example.com/act，图片在 https://img.example.cn/1.jpg。
（活动规则 https://shop.example.com/rule）合作请联系 hi@example.cn 或 mailto:pr@example.cn
再次提醒：https://shop.example.com/act?id=8&utm_source=wx&spm=a1z10.3-c 今晚 8 点开抢

• 提出 6 条、去重后 5 条：第一行那条商品链接在第四行又出现一次， 两条归一化后完全相同，合并成一条并标「出现 2 次」。
• 剥掉 4 个尾部字符：第一、二行两个句号，第二行 /act 后面的全角逗号，第三行 /rule 后面那个不配平的右括号—— 这四处都会挂上「已剥尾」角标，悬停能看到原样。
• 裸域名补协议：www.example.com/act 认成裸域名， 自动补成 https://www.example.com/act，原样值留在「原文」列里。
• 跳过 1 处并写明原因：hi@example.cn 是正文里的裸邮箱，不是协议形式的链接，它会进「没提出来的位置」并注明是邮箱地址； 同一行的 mailto:pr@example.cn 带协议头，照常提取。
• 清洗后从 61 个字符缩到 33 个：点「清洗链接」预设，&utm_source=wx&spm=a1z10.3-c 被剪掉， 剩下 https://shop.example.com/act?id=8，问号和 id=8 这个业务参数原样保留。

提出来的网址想逐条变成二维码，用 二维码生成（它是单条生成的，本页不做批量出图）；结果导出后继续做表用CSV 转 Excel； 需要对单条网址做编码解码用 URL 编码解码； 全角网址先用 全角半角转换 转成半角再回来。

提取链接的 7 个一键预设分别提什么

七个预设用同一个示例串横向对比，点一下就是整套参数（类型勾选 + 来源 + 排除规则 + 整理选项 + 清洗开关），点完之后照样可以手动改任意一项，改了就变成「自定义」。示例串是：

详情见 https://shop.example.com/item?id=9&utm_source=wx（含图 https://img.a.cn/1.jpg）联系 mailto:hi@a.cn

这样设计是因为真实需求从来不是「把所有链接都提出来」这一种， 而是「只要能点开的网址」「只要域名不要路径」「只要图片地址」「把跟踪参数剪掉再分享」 这类带条件的组合。

相关教程

遇到格式选择、乱码或校验问题，可以先看这些说明再动手处理。

• 操作教程怎么从一堆文字里批量提取邮箱、手机号、网址和数字把报名表、聊天记录、网页源码里的邮箱、手机号、链接和数字一次性提成清单的方法：讲清格式识别与真实性验证的边界、为什么身份证号里不该切出手机号、混淆邮箱怎么还原，以及提取之后的核对、去重与隐私注意事项。