freetool.cz
Nástroje

Extraktor dat z textu

Získejte čistý seznam e-mailů, odkazů a hashtagů z jakkoliv nepřehledného textu.

Zdrojový text
Extrahované e-mailové adresy

K čemu slouží extrakce dat?

Určitě se vám to už stalo. Někdo vám pošle dlouhý dokument, textovou zprávu, nebo si zkopírujete zdrojový kód webové stránky, kde se nachází spousta e-mailových adres. Namísto abyste je jednu po druhé složitě hledali a manuálně kopírovali do Excelu, stačí celý text vložit do našeho extraktoru.

Co přesně nástroj umí najít?

  • E-mailové adresy: Nalezne všechny platné e-mailové formáty (např. info@firma.cz).
  • Webové URL odkazy: Odhalí odkazy začínající na http:// nebo https://. Skvělé pro extrakci odkazů ze zdrojového kódu nebo pro kontrolu odkazovaného obsahu.
  • Hashtagy: Extrahujte z textů pro sociální sítě klíčová slova začínající mřížkou (#marketing, #seo).

Filtrování a bezpečnost

Nástroj automaticky odstraňuje z výsledků nepříjemné interpunkční znaky, které by se mohly omylem přilepit na konec odkazů. Díky volbě Odstranit duplicity navíc získáte absolutně čistý seznam unikátních položek, které si můžete nechat seřadit podle abecedy. Celý proces prohledávání (pomocí regulárních výrazů – Regex) probíhá ve vašem prohlížeči. Data se nikam neukládají a jsou v naprostém bezpečí.

Seznam zkopírován do schránky!

Jak se z textu strojově vytahují e-maily a odkazy

Nástroje tohoto typu stojí na regulárních výrazech. Jde o zápis vzoru, podle kterého se v řetězci hledají shody. E-mailová adresa se zjednodušeně popíše jako posloupnost povolených znaků, znak @, doména a tečka s koncovkou. Odkaz se hledá podle schématu http nebo https, hashtag podle mřížky následované písmeny nebo číslicemi.

Zcela přesný vzor pro e-mail podle normy RFC 5322 je natolik složitý, že se v praxi nepoužívá. Reálné nástroje volí kompromis, který zachytí drtivou většinu běžných adres. Proto se občas stane, že se do výsledku dostane i řetězec, který adresou není, nebo naopak vypadne exotický tvar s uvozovkami či nezvyklou doménou.

Časté zdroje chyb při extrakci

Nejčastěji zlobí interpunkce těsně za adresou. Tečka na konci věty se snadno připojí k doméně a odkaz pak nefunguje. Podobně se chová závorka za adresou, japonská plná šířka znaků u textů kopírovaných z asijských zdrojů a takzvané měkké zalomení, které rozseká adresu na dva řádky.

Druhý problém je duplicita a velikost písmen. Doménová část adresy je nerozlišující velikost znaků, lokální část technicky rozlišovat může, i když to v praxi téměř žádný poskytovatel nedělá. Při odstraňování duplicit se proto obvykle porovnává verze převedená na malá písmena, jinak zůstanou v seznamu dvojice lišící se jen velkým počátečním písmenem.

Právní hranice u sběru kontaktů

E-mailová adresa fyzické osoby je osobní údaj a její zpracování spadá pod obecné nařízení o ochraně osobních údajů. Samotné vytažení adres z textu, který legálně máte, obvykle problém není. Zlom nastává u dalšího použití: rozesílání obchodních sdělení upravuje zákon č. 480/2004 Sb. a zpravidla vyžaduje předchozí souhlas adresáta.

Výjimka existuje u zákazníků, kterým lze nabízet obdobné zboží či službu, pokud mají možnost se kdykoli odhlásit a byli o tom poučeni už při získání adresy. Systematické sklízení adres z cizích webů pro studenou rozesílku pod tuto výjimku nespadá a dozorovým orgánem je zde Úřad pro ochranu osobních údajů. Pro vlastní práci s daty, čištění seznamů a kontrolu duplicit je ale extrakce zcela legitimní nástroj.

Další nástroje z kategorie kalkulačky a nástroje

Zobrazit vše

Generátor UTM parametrů

Vytvořte si správně otagované URL adresy pro přesné měření vašich marketingových kampaní v Google Analytics.

Kalkulačka plovoucí podlahy

Spočítejte počet balení laminátu nebo vinylu včetně prořezu, potřebnou podložku, běžné metry soklových lišt i…

Kalkulačka reálné ceny (v čase)

Zjistěte, kolik hodin a dní svého života musíte ve skutečnosti obětovat pro koupi vysněné věci. Šokující…

Generátor průkazových fotek k tisku

Vytvořte si sami fotku na občanku, pas nebo vízum (35x45 mm). Ořízněte fotku do správných proporcí a stáhněte…

Přepočet hodin výuky na kredity

Z počtu hodin přednášek, cvičení a samostudia spočítá, kolika kreditům ECTS předmět odpovídá.

Kolik hodin do další jazykové úrovně

Spočítá, kolik hodin studia a kolik měsíců potřebujete na posun z jedné úrovně jazyka na druhou podle rámce…

Něco tu nesedí, nebo vám něco chybí?