What types of data can be extracted from text?

This tool extracts four types of data: URLs (http/https links), email addresses, IPv4 addresses (e.g. 192.168.1.1), and IPv6 addresses (e.g. 2001:db8::1). It uses regular expressions to find all occurrences in the input text and deduplicates the results.

How does URL extraction work?

URL extraction finds all strings starting with http:// or https:// and continuing until whitespace or a special delimiter character. This covers the vast majority of web URLs found in logs, documents, and plain text. Fragment identifiers, query strings, and path components are all included.

How are IPv4 addresses validated?

IPv4 extraction first finds all patterns matching the form A.B.C.D where each part is 1-3 digits, then validates that each octet is between 0 and 255. This prevents false positives like version numbers (e.g. 1.22.333.4) that match the digit pattern but are not valid IP addresses.

What IPv6 formats are supported?

The tool supports common IPv6 formats including full notation (2001:0db8:85a3:0000:0000:8a2e:0370:7334), compressed notation with :: (fe80::1, ::1), and mixed IPv4/IPv6 notation. All groups can use uppercase or lowercase hex digits.

Извличане на URL / имейли / IP адреси

Намерени: 10

Входен текст

Извлечени стойности

Намерени 2 уникални urls

https://example.com

http://test.org/path?q=1

Технически подробности

Как работи екстракторът за URL/имейл/IP

Какво прави инструментът

Инструментът Extractor сканира блок текст и извлича всички URL адреси, имейл адреси и IP адреси, които открие, като представя всяка категория като списък без дубликати, който може да се копира. Това спестява ръчните усилия за преглеждане на логове, документи или HTML изходен код за конкретни шаблони и е особено полезно при анализ на сигурността, почистване на данни и работни потоци за одит на съдържание.

Често срещани случаи на употреба от разработчици

Анализаторите по сигурността извличат IP адреси и URL адреси от логове на защитни стени, доклади за зловреден софтуер и фишинг имейли, за да изграждат списъци с IoC. Разработчиците го използват, за да извлекат всички хипервръзки от изтеглена уеб страница, да извлекат имейл адреси от CSV експорт или да намерят всички IP адреси, споменати в конфигурационен файл. Редакторите на съдържание го използват, за да одитират външни връзки в документация преди публикуване.

Формати на данни, типове или варианти

Инструментът използва регулярни изрази, за да съпоставя HTTP и HTTPS URL адреси (включително такива с query параметри и фрагменти), имейл адреси в стил RFC 5322 (local-part@domain), IPv4 адреси в dotted-decimal нотация и IPv6 адреси в стандартна colon-hex нотация. Defang-нати варианти (напр. hxxps:// или 192[.]168[.]1[.]1) може да не бъдат открити автоматично — първо ги fang-нете с инструмента Defang/Fang.

Често срещани капани и гранични случаи

Извличането на базата на regex може да даде фалшиви положителни резултати (напр. номера на версии като 1.2.3.4, разпознати като IP адреси) и фалшиви отрицателни резултати (необичайни TLD или интернационализирани имена на домейни може да бъдат пропуснати). Много дълги URL адреси със сложни query низове може да бъдат отрязани при символи, които маркират граници на думи. Винаги преглеждайте извлечените резултати, преди да ги използвате в автоматизирани системи.

Кога да използвате този инструмент вместо код

Използвайте този инструмент в браузъра за бързо ad-hoc извличане от поставен текст. За масова обработка на файлове или потоци използвайте специализирани библиотеки като iocextract или urlextract (Python) или изградете пайплайн с grep и стандартен regex, така че извличането да е възпроизводимо и подлежащо на одит.