URLs aus Text extrahieren

Geeignete Texte für die Adresserkennung

Mit diesem Werkzeug filtern Sie unterstützte HTTP- und HTTPS-Adressen aus einem eingefügten Text heraus. Das eignet sich für Notizen, Nachrichten, Protokolle oder kopierte Absätze, in denen mehrere Verweise vorkommen und nicht einzeln gesucht werden sollen. Die Ausgabe bezieht sich auf die Textstellen, die innerhalb der festgelegten Erkennungsgrenze liegen.

Achten Sie auf die Schreibweise des Schemas: Erfasst werden Vorkommen mit kleingeschriebenem HTTP- oder HTTPS-Anfang. Anschließend müssen Zeichen folgen, die weder Leerraum noch zu den unterstützten Begrenzungszeichen gehören. Reine Domains ohne Schema, andere Protokolle und ein großgeschriebener Schemaanfang sollten deshalb nicht als passende Eingaben eingeplant werden.

Das Eingabefeld ist optional. Sie können somit auch eine leere Eingabe verarbeiten und das dabei entstehende Ergebnis getrennt von einer Prüfung mit tatsächlichem Text betrachten. Bei einer normalen Texteingabe wird die grundlegende Verarbeitung erfolgreich abgeschlossen, sofern der Inhalt passende Textstellen enthält.

Text einfügen und Treffer auswerten

Öffnen Sie das Werkzeug und fügen Sie den zu prüfenden Inhalt in das Textfeld ein. Mehrere Zeilen sowie zusätzlicher Fließtext sind möglich, weil die Suche den bereitgestellten Inhalt nach passenden Textstellen durchsucht.
Kontrollieren Sie vor dem Start die Schreibweise der erwarteten Adressen. Der Schemaanfang muss kleingeschrieben sein und zu HTTP oder HTTPS gehören. Direkt danach dürfen keine Leerzeichen oder Zeichen aus dem unterstützten Begrenzungsbereich folgen. Eine reine Domain oder ein anderes Protokoll erfüllt diese beschriebene Erkennungsgrenze nicht.
Starten Sie die Verarbeitung mit dem eingefügten Text. Für eine normale Prüfung ist keine zusätzliche Einstellung erforderlich, da eine grundlegende Textverarbeitung ein erfolgreiches Ergebnis erzeugt.
Lassen Sie die Duplikatbereinigung eingeschaltet, wenn jede verschiedene Adresse nur einmal erscheinen soll. Diese Auswahl ist standardmäßig aktiv. Möchten Sie wiederholte Vorkommen für eine weitere Auswertung erhalten, deaktivieren Sie die Option für eindeutige Treffer, sofern sie in der Oberfläche angeboten wird.
Lesen Sie anschließend die Trefferliste und die Gesamtzahl. Bei aktiver Bereinigung bleibt die erste Fundstelle jeder verschiedenen Adresse erhalten; die Reihenfolge richtet sich nach dem Auftreten im eingefügten Text. Prüfen Sie bei abweichenden Erwartungen den ursprünglichen Inhalt und besonders den Beginn der betreffenden Zeichenfolge.

Trefferzahl und Reihenfolge verstehen

Die Trefferliste enthält die Textstellen, die zur festgelegten Grenze für kleingeschriebene HTTP- und HTTPS-Schemas passen. Eine wiederholt vorkommende Adresse wird bei aktivierter Duplikatbereinigung nur einmal berücksichtigt, wobei ihr erstes Auftreten die Position in der Ausgabe bestimmt.

Wenn Sie die Bereinigung ausschalten, bleiben wiederholte Vorkommen erhalten. Diese Einstellung ist sinnvoll, wenn nicht nur verschiedene Adressen, sondern auch die Häufigkeit ihres Auftretens im Ausgangstext betrachtet werden soll. Die Gesamtzahl verändert sich dann entsprechend der enthaltenen Wiederholungen.

Ein leeres Textfeld führt zu einem erfolgreichen Ergebnis ohne extrahierte Links und mit einer Gesamtzahl von null. Das ist ein eigener Eingabefall und nicht mit einer erfolglosen Suche in einem ausgefüllten Dokument gleichzusetzen. Bei fehlenden Treffern in normalem Text prüfen Sie zuerst Schema, Groß- und Kleinschreibung sowie die Zeichen direkt danach.

Die Funktion bewertet dabei die erkannten Textmuster nach ihrer Schreibweise. Nicht jede linkähnliche Zeichenfolge fällt in den beschriebenen Bereich, weshalb nicht unterstützte Formen in der Ergebnisliste fehlen können.

Praktisches Beispiel

Sie möchten aus einer kurzen Projekt-Notiz die enthaltene HTTPS-Adresse sammeln, ohne ihre Wiederholung zweimal in der Trefferliste zu berücksichtigen.

Geben Sie die Notiz „Projektseite: eine kleingeschriebene HTTPS-Adresse. Noch einmal dieselbe Adresse.“ ein und starten Sie die Verarbeitung mit der voreingestellten Duplikatbereinigung. Beobachten Sie anschließend Liste und Gesamtzahl, ohne die Notiz vorher zu verändern. Mit ausgeschalteter Bereinigung würden die beiden Vorkommen erhalten bleiben.

Das Ergebnis weist eine erfolgreiche Verarbeitung, eine Trefferliste und eine Gesamtzahl aus. Bei aktiver Duplikatbereinigung erscheint die mehrfach genannte Adresse einmal, und zwar an der Position ihres ersten Auftretens.

Einschränkungen

Erfasst wird nur der beschriebene Bereich mit kleingeschriebenem HTTP- oder HTTPS-Schema und passenden Begrenzungen; andere linkähnliche Formen sind nicht bestätigt.

Häufige Fehler

Bleiben Treffer aus, verwendet der Text möglicherweise ein anderes Protokoll, eine reine Domain oder einen nicht kleingeschriebenen Schemaanfang. Prüfen Sie die betreffende Zeichenfolge und verwenden Sie eine Schreibweise mit kleingeschriebenem HTTP- oder HTTPS-Anfang.

Häufige Fragen

Welche Adressen erkennt das Werkzeug?

Wenn eine Textstelle mit einem kleingeschriebenen HTTP- oder HTTPS-Schema beginnt und danach passende Zeichen folgen, kann sie erkannt werden. Reine Domains und andere Protokolle gehören nicht zum beschriebenen Bereich.

Was passiert bei leerer Eingabe?

Wenn das Textfeld leer bleibt, entsteht ein erfolgreiches Ergebnis ohne extrahierte Links und mit einer Gesamtzahl von null. Für diesen Eingabefall ist daher kein Text erforderlich, während eine inhaltliche Prüfung passende Zeichenfolgen voraussetzt.

Kann ich doppelte Adressen behalten?

Wenn Sie die Auswahl für eindeutige Treffer deaktivieren, bleiben wiederholte Vorkommen in der Ausgabe erhalten. Bei aktivierter Standardeinstellung wird jede verschiedene Adresse einmal berücksichtigt, beginnend mit ihrer ersten Fundstelle.