Extrahovat URL / e-maily / IP

Jak funguje extraktor URL/e-mailů/IP adres

Co nástroj dělá

Nástroj Extraktor prohledá blok textu a vytáhne z něj všechny URL, e-mailové adresy a IP adresy, které najde, a každou kategorii zobrazí jako deduplikovaný seznam, který lze zkopírovat. Šetří to ruční práci při procházení logů, dokumentů nebo HTML zdrojového kódu kvůli konkrétním vzorům a je to obzvlášť užitečné při bezpečnostní analýze, čištění dat a workflow pro audit obsahu.

Běžné případy použití pro vývojáře

Bezpečnostní analytici extrahují IP adresy a URL z firewall logů, malware reportů a phishingových e-mailů, aby sestavili seznamy IoC. Vývojáři to používají k vytažení všech hypertextových odkazů ze scrapované webové stránky, k extrakci e-mailových adres z exportu CSV nebo k nalezení všech IP adres zmíněných v konfiguračním souboru. Editoři obsahu to používají k auditu externích odkazů v dokumentaci před publikací.

Datové formáty, typy nebo varianty

Nástroj používá regulární výrazy k rozpoznání URL HTTP a HTTPS (včetně těch s query stringy a fragmenty), e-mailových adres ve stylu RFC 5322 (local-part@domain), IPv4 adres v tečkované desítkové notaci a IPv6 adres ve standardní notaci s dvojtečkami a hexadecimálními čísly. Defangované varianty (např. hxxps:// nebo 192[.]168[.]1[.]1) nemusí být automaticky detekovány — nejprve je zfangujte pomocí nástroje Defang/Fang.

Běžné nástrahy a okrajové případy

Extrakce založená na regexech může vytvářet falešně pozitivní výsledky (např. čísla verzí jako 1.2.3.4 rozpoznaná jako IP) i falešně negativní výsledky (neobvyklé TLD nebo internacionalizované domény mohou být vynechány). Velmi dlouhé URL s komplexními query stringy mohou být zkráceny na znacích hranic slov. Před použitím v automatizovaných systémech vždy zkontrolujte extrahované výsledky.

Kdy použít tento nástroj vs. kód

Použijte tento nástroj v prohlížeči pro rychlou ad-hoc extrakci z vloženého textu. Pro hromadné zpracování souborů nebo streamů použijte specializované knihovny jako iocextract nebo urlextract (Python) nebo si vytvořte pipeline s grepem a standardními regexy, aby byla extrakce reprodukovatelná a auditovatelná.