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.

URLகள் / மின்னஞ்சல்கள் / IPகளை எடுக்கவும்

10 கண்டுபிடிக்கப்பட்டது

உள்ளீட்டு உரை

பிரித்தெடுக்கப்பட்ட மதிப்புகள்

2 தனித்துவமான urls கண்டுபிடிக்கப்பட்டது

https://example.com

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

தொழில்நுட்ப விவரங்கள்

URL/Email/IP Extractor எப்படி செயல்படுகிறது

இந்த கருவி என்ன செய்கிறது

Extractor கருவி ஒரு உரைத் தொகுதியை ஸ்கேன் செய்து, அதில் கண்டுபிடிக்கும் அனைத்து URLs, மின்னஞ்சல் முகவரிகள், மற்றும் IP முகவரிகளை வெளியே எடுத்து, ஒவ்வொரு வகையையும் நகல் நீக்கப்பட்ட (deduplicated), நகலெடுக்கக்கூடிய பட்டியலாக வழங்குகிறது. இது பதிவுகள், ஆவணங்கள், அல்லது HTML மூலத்தில் குறிப்பிட்ட வடிவங்களை கைமுறையாக தேடும் முயற்சியைச் சேமிக்கிறது; மேலும் பாதுகாப்பு பகுப்பாய்வு, தரவு சுத்திகரிப்பு, மற்றும் உள்ளடக்க தணிக்கை பணிச்சூழல்களில் குறிப்பாக பயனுள்ளதாகும்.

டெவலப்பர்களுக்கான பொதுவான பயன்பாட்டு நிலைகள்

பாதுகாப்பு பகுப்பாய்வாளர்கள் firewall பதிவுகள், malware அறிக்கைகள், மற்றும் phishing மின்னஞ்சல்களிலிருந்து IPகளையும் URLs-ஐயும் எடுத்து IoC பட்டியல்களை உருவாக்குகிறார்கள். டெவலப்பர்கள் இதைப் பயன்படுத்தி scraped வலைப்பக்கத்திலிருந்து அனைத்து ஹைப்பர்லிங்குகளையும் எடுக்க, CSV export இலிருந்து மின்னஞ்சல் முகவரிகளை எடுக்க, அல்லது ஒரு configuration கோப்பில் குறிப்பிடப்பட்டுள்ள அனைத்து IP முகவரிகளையும் கண்டுபிடிக்கிறார்கள். உள்ளடக்க ஆசிரியர்கள் வெளியீட்டுக்கு முன் ஆவணங்களில் உள்ள வெளிப்புற இணைப்புகளை தணிக்கை செய்ய இதைப் பயன்படுத்துகிறார்கள்.

தரவு வடிவங்கள், வகைகள், அல்லது மாறுபாடுகள்

இந்த கருவி regular expressions-ஐ பயன்படுத்தி HTTP மற்றும் HTTPS URLs-ஐ (query strings மற்றும் fragments உட்பட), RFC 5322-பாணி மின்னஞ்சல் முகவரிகளை (local-part@domain), dotted-decimal notation இல் உள்ள IPv4 முகவரிகளை, மற்றும் standard colon-hex notation இல் உள்ள IPv6 முகவரிகளை பொருத்துகிறது. Defanged வகைகள் (உதா., hxxps:// அல்லது 192[.]168[.]1[.]1) தானாக கண்டறியப்படாமல் இருக்கலாம் — முதலில் Defang/Fang கருவியைப் பயன்படுத்தி அவற்றை fang செய்யுங்கள்.

பொதுவான தவறுகள் மற்றும் விளிம்பு நிலைகள்

Regex-அடிப்படையிலான extraction தவறான நேர்மறைகள் (உதா., 1.2.3.4 போன்ற version எண்கள் IPகளாக பொருந்துவது) மற்றும் தவறான எதிர்மறைகள் (அசாதாரண TLDs அல்லது internationalized domain names தவறவிடப்படலாம்) உருவாக்கலாம். சிக்கலான query strings கொண்ட மிக நீளமான URLs, word-boundary எழுத்துகளில் துண்டிக்கப்படலாம். தானியங்கி அமைப்புகளில் பயன்படுத்துவதற்கு முன் எடுக்கப்பட்ட முடிவுகளை எப்போதும் மறுபரிசீலனை செய்யுங்கள்.

கோடுக்கு பதிலாக இந்த கருவியை எப்போது பயன்படுத்துவது

ஒட்டப்பட்ட உரையிலிருந்து விரைவான ad-hoc extraction-க்கு இந்த உலாவி கருவியைப் பயன்படுத்துங்கள். கோப்புகள் அல்லது ஸ்ட்ரீம்களை பெருமளவில் செயலாக்க, iocextract அல்லது urlextract (Python) போன்ற சிறப்பு நூலகங்களைப் பயன்படுத்துங்கள், அல்லது grep மற்றும் standard regex உடன் ஒரு பைப்லைனை எழுதுங்கள்; இதனால் extraction மீண்டும் உருவாக்கக்கூடியதாகவும் தணிக்கைக்கூடியதாகவும் இருக்கும்.