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.

URLಗಳು / ಇಮೇಲ್‌ಗಳು / IPಗಳು ಎಕ್ಸ್‌ಟ್ರಾಕ್ಟ್ ಮಾಡಿ

10 ಕಂಡುಬಂದಿವೆ

ಇನ್‌ಪುಟ್ ಪಠ್ಯ

ಹೊರತೆಗೆದ ಮೌಲ್ಯಗಳು

2 ಅನನ್ಯ urls ಕಂಡುಬಂದಿವೆ

https://example.com

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

ತಾಂತ್ರಿಕ ವಿವರಗಳು

URL/ಇಮೇಲ್/IP ಎಕ್ಸ್ಟ್ರಾಕ್ಟರ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

ಈ ಸಾಧನ ಏನು ಮಾಡುತ್ತದೆ

ಎಕ್ಸ್ಟ್ರಾಕ್ಟರ್ ಉಪಕರಣವು ಪಠ್ಯದ ಒಂದು ಬ್ಲಾಕ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ, ಅದರಲ್ಲಿ ಕಂಡುಬರುವ ಎಲ್ಲಾ URLಗಳು, ಇಮೇಲ್ ವಿಳಾಸಗಳು ಮತ್ತು IP ವಿಳಾಸಗಳನ್ನು ಹೊರತೆಗೆದು, ಪ್ರತಿಯೊಂದು ವರ್ಗವನ್ನು ಡಿಡ್ಯುಪ್ಲಿಕೇಟ್ ಮಾಡಿದ, ಕಾಪಿ ಮಾಡಬಹುದಾದ ಪಟ್ಟಿಯಾಗಿ ಪ್ರದರ್ಶಿಸುತ್ತದೆ. ಇದರಿಂದ ಲಾಗ್‌ಗಳು, ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳು ಅಥವಾ HTML ಸೋರ್ಸ್‌ನಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಪ್ಯಾಟರ್ನ್‌ಗಳನ್ನು ಕೈಯಾರೆ ಹುಡುಕುವ ಶ್ರಮ ಉಳಿಯುತ್ತದೆ ಮತ್ತು ಇದು ವಿಶೇಷವಾಗಿ ಸುರಕ್ಷತಾ ವಿಶ್ಲೇಷಣೆ, ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ ಮತ್ತು ವಿಷಯ ಆಡಿಟಿಂಗ್ ವರ್ಕ್‌ಫ್ಲೋಗಳಲ್ಲಿ ಉಪಯುಕ್ತ.

ಡೆವಲಪರ್‌ಗಳ ಸಾಮಾನ್ಯ ಬಳಕೆ ಪ್ರಕರಣಗಳು

ಸುರಕ್ಷತಾ ವಿಶ್ಲೇಷಕರು ಫೈರ್‌ವಾಲ್ ಲಾಗ್‌ಗಳು, ಮಾಲ್‌ವೇರ್ ವರದಿಗಳು ಮತ್ತು ಫಿಶಿಂಗ್ ಇಮೇಲ್‌ಗಳಿಂದ IPಗಳು ಮತ್ತು URLಗಳನ್ನು ಹೊರತೆಗೆದು IoC ಪಟ್ಟಿಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಾರೆ. ಡೆವಲಪರ್‌ಗಳು ಇದನ್ನು ಸ್ಕ್ರೇಪ್ ಮಾಡಿದ ವೆಬ್ ಪುಟದಿಂದ ಎಲ್ಲಾ ಹೈಪರ್‌ಲಿಂಕ್‌ಗಳನ್ನು ತೆಗೆಯಲು, CSV ಎಕ್ಸ್ಪೋರ್ಟ್‌ನಿಂದ ಇಮೇಲ್ ವಿಳಾಸಗಳನ್ನು ಹೊರತೆಗೆದುಕೊಳ್ಳಲು, ಅಥವಾ ಕಾನ್ಫಿಗರೇಶನ್ ಫೈಲ್‌ನಲ್ಲಿ ಉಲ್ಲೇಖಿಸಿರುವ ಎಲ್ಲಾ IP ವಿಳಾಸಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಬಳಸುತ್ತಾರೆ. ವಿಷಯ ಸಂಪಾದಕರು ಪ್ರಕಟಣೆಗೆ ಮೊದಲು ಡಾಕ್ಯುಮೆಂಟೇಶನ್‌ನಲ್ಲಿನ ಬಾಹ್ಯ ಲಿಂಕ್‌ಗಳನ್ನು ಆಡಿಟ್ ಮಾಡಲು ಇದನ್ನು ಬಳಸುತ್ತಾರೆ.

ಡೇಟಾ ಸ್ವರೂಪಗಳು, ಪ್ರಕಾರಗಳು, ಅಥವಾ ರೂಪಾಂತರಗಳು

ಈ ಉಪಕರಣವು ರೆಗ್ಯುಲರ್ ಎಕ್ಸ್‌ಪ್ರೆಷನ್‌ಗಳನ್ನು ಬಳಸಿ HTTP ಮತ್ತು HTTPS URLಗಳನ್ನು (ಕ್ವೆರಿ ಸ್ಟ್ರಿಂಗ್‌ಗಳು ಮತ್ತು ಫ್ರಾಗ್ಮೆಂಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ), RFC 5322 ಶೈಲಿಯ ಇಮೇಲ್ ವಿಳಾಸಗಳನ್ನು (local-part@domain), ಡಾಟೆಡ್-ಡೆಸಿಮಲ್ ನೋಟೇಶನ್‌ನಲ್ಲಿನ IPv4 ವಿಳಾಸಗಳನ್ನು, ಮತ್ತು ಮಾನಕ ಕಾಲನ್-ಹೆಕ್ಸ್ ನೋಟೇಶನ್‌ನಲ್ಲಿನ IPv6 ವಿಳಾಸಗಳನ್ನು ಮ್ಯಾಚ್ ಮಾಡುತ್ತದೆ. ಡಿಫ್ಯಾಂಗ್ ಮಾಡಿದ ರೂಪಾಂತರಗಳು (ಉದಾ., hxxps:// ಅಥವಾ 192[.]168[.]1[.]1) ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪತ್ತೆಯಾಗದೇ ಇರಬಹುದು — ಮೊದಲು Defang/Fang ಉಪಕರಣ ಬಳಸಿ ಅವುಗಳನ್ನು ಫ್ಯಾಂಗ್ ಮಾಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು ಮತ್ತು ಎಡ್ಜ್ ಕೇಸ್‌ಗಳು

Regex-ಆಧಾರಿತ ಎಕ್ಸ್ಟ್ರಾಕ್ಷನ್ ತಪ್ಪು ಧನಾತ್ಮಕಗಳನ್ನು (ಉದಾ., 1.2.3.4 ಹೀಗಿನ ಆವೃತ್ತಿ ಸಂಖ್ಯೆಗಳು IPಗಳಾಗಿ ಮ್ಯಾಚ್ ಆಗುವುದು) ಮತ್ತು ತಪ್ಪು ಋಣಾತ್ಮಕಗಳನ್ನು (ಅಸಾಮಾನ್ಯ TLDಗಳು ಅಥವಾ ಅಂತರರಾಷ್ಟ್ರೀಯೀಕೃತ ಡೊಮೇನ್ ಹೆಸರುಗಳು ತಪ್ಪಿಹೋಗಬಹುದು) ಉಂಟುಮಾಡಬಹುದು. ಸಂಕೀರ್ಣ ಕ್ವೆರಿ ಸ್ಟ್ರಿಂಗ್‌ಗಳಿರುವ ಬಹಳ ಉದ್ದದ URLಗಳು ಪದ-ಸೀಮೆಯ ಅಕ್ಷರಗಳಲ್ಲಿ ಟ್ರಂಕೇಟ್ ಆಗಬಹುದು. ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಬಳಸುವ ಮೊದಲು ಹೊರತೆಗೆದ ಫಲಿತಾಂಶಗಳನ್ನು ಯಾವಾಗಲೂ ಪರಿಶೀಲಿಸಿ.

ಕೋಡ್‌ಗಿಂತ ಈ ಸಾಧನವನ್ನು ಯಾವಾಗ ಬಳಸಬೇಕು

ಪೇಸ್ಟ್ ಮಾಡಿದ ಪಠ್ಯದಿಂದ ತ್ವರಿತ ಅಡ್ಹಾಕ್ ಎಕ್ಸ್ಟ್ರಾಕ್ಷನ್‌ಗಾಗಿ ಈ ಬ್ರೌಸರ್ ಉಪಕರಣವನ್ನು ಬಳಸಿ. ಫೈಲ್‌ಗಳು ಅಥವಾ ಸ್ಟ್ರೀಮ್‌ಗಳ ಬಲ್ಕ್ ಪ್ರೊಸೆಸಿಂಗ್‌ಗಾಗಿ iocextract ಅಥವಾ urlextract (Python) ಹೀಗಿನ ವಿಶೇಷ ಲೈಬ್ರರಿಗಳನ್ನು ಬಳಸಿ ಅಥವಾ grep ಮತ್ತು ಮಾನಕ regex ಬಳಸಿ ಒಂದು ಪೈಪ್‌ಲೈನ್ ಬರೆಯಿರಿ, ಇದರಿಂದ ಎಕ್ಸ್ಟ್ರಾಕ್ಷನ್ ಪುನರುತ್ಪಾದನೀಯವಾಗುತ್ತದೆ ಮತ್ತು ಆಡಿಟ್ ಮಾಡಬಹುದಾಗಿರುತ್ತದೆ.