URL-extractor
Extraheer URL's uit tekst of HTML
Hoe URL-extractor te gebruiken
Extraheer URL's uit tekst of HTML Gratis online tool, geen registratie, geen opdringerige advertenties. Gebruik het nu.
Waarvoor dient een URL-extractor?
Alle URL's uit een tekst of HTML-document handmatig extraheren is een omslachtige en foutgevoelige taak, met name in lange documenten. Een geautomatiseerde extractor doet het onmiddellijk met volledige precisie en zonder enige URL te missen.
- SEO-audits: Extraheer alle interne en externe links van een pagina om de linkstructuur te analyseren, gebroken links te detecteren of de informatiearchitectuur van de site in kaart te brengen vóór een migratie of herontwerp.
- Analyse van broncode: Extraheer alle URL's uit de HTML-broncode van een pagina — nuttig voor het vinden van externe bronnen (CDN, API's, scripts van derden) of het verifiëren dat alle bronnen worden geladen vanuit het correcte domein (belangrijk voor CSP-beleid).
- Aanmaken van bronnenlijsten: Extraheer URL's uit onderzoeksdocumenten, artikelen of notities om geautomatiseerd referentielijsten of digitale bibliografieën te maken zonder handmatige fouten.
- Linkcontrole: Extraheer alle links uit een nieuwsbrief, document of pagina om systematisch te controleren of elke URL nog geldig is en correct doorverwijst — essentieel voor het onderhoud van oudere inhoud.
- Scraping en automatisering: Als voorbereidende stap voor automatisering — extraheer te verwerken URL's voordat ze worden doorgegeven aan een Python-script of een scrapingtool voor massaverwerking.
Juridische noot: Zorg er altijd voor dat je toestemming hebt om de URL's van de pagina's die je analyseert te extraheren en te gebruiken. Sommige websites verbieden scraping in hun gebruiksvoorwaarden, en de AVG en oneerlijke concurrentiewetgeving stellen grenzen aan de geautomatiseerde verzameling van gegevens van websites van derden.
Frequently Asked Questions
Welke typen URL's detecteert de extractor?
De extractor detecteert standaard HTTP- en HTTPS-URL's, URL's met subdomeinen, queryparameters en fragmenten (#). Het detecteert ook URL's in HTML-attributen (href, src, action). Relatieve URL's (/pagina, ../afbeelding.jpg) worden mogelijk niet gedetecteerd zonder de context van het basisdomein.
Kan het URL's extraheren uit afbeeldingen of gescande PDF's?
Nee — het hulpmiddel verwerkt alleen platte tekst en HTML-code. Afbeeldingen en gescande PDF's vereisen eerst OCR (Optische Tekenherkenning) om ze te converteren naar toegankelijke tekst. Adobe Acrobat, Google Drive of online OCR-services kunnen tekst uit afbeeldingen extraheren.
Verwijdert de extractor dubbele URL's?
Ja — de extractor kan dubbele URL's verwijderen om een unieke lijst te retourneren. Deze optie is handig wanneer dezelfde link meerdere keren op een pagina voorkomt (navigatiemenu, voettekst, artikelinhoud) en je alleen de unieke lijst van bestemmingen nodig hebt.
Kan het URL's extraheren uit e-mails?
Ja — plak de tekstinhoud van de e-mail (niet het .eml-bestand) en de extractor detecteert alle URL's. E-mailclients verbergen echte URL's vaak achter gekoppelde tekst — om de echte URL's te zien, open je de HTML-broncode van de e-mail in je e-mailclient.
Wat is het verschil tussen URL, URI en link?
URI (Uniform Resource Identifier) is de algemene term voor elke resource-identifier. URL (Uniform Resource Locator) is een type URI dat de locatie omvat (http://..., ftp://...). Een link of hyperlink is tekst of een klikbare afbeelding in HTML die naar een URL verwijst. In het dagelijks gebruik worden de drie termen door elkaar gebruikt.
Browser-extractor vs grep vs Python-script
grep op de opdrachtregel is krachtig en verwerkt grote bestanden zeer efficiënt, maar vereist toegang tot de terminal en kennis van de syntaxis. Een Python-script met de re-module of Beautiful Soup biedt maximale controle voor geautomatiseerde pipelines en massaverwerking. Een browser-extractor zoals deze is het snelst voor eenmalige taken — geen terminal, geen code, plak en extraheer gewoon. Voor massale of geautomatiseerde extractie is een script altijd meer geschikt en schaalbaar.