E-Mail-Extraktor — Kontakte, Links und IPs aus jedem Text ziehen
E-Mail- und Kontaktdaten-Extraktor
E-Mail-Adressen — 2
| E-Mails | 2 |
| URLs | 2 |
| Telefonnummern | 2 |
| IP-Adressen | 1 |
| Social-Media-Namen | 1 |
| Eindeutige Einträge insgesamt | 8 |
Die Extraktion läuft vollständig in Ihrem Browser, eingefügter Text verlässt die Seite also nie. Zahlen innerhalb von E-Mails und URLs werden aus der Telefonliste ausgeschlossen, Duplikate werden zusammengefasst. Ein Musterabgleich kann den Zusammenhang nicht lesen: Eine neunstellige Bestellnummer sieht genau wie eine Telefonnummer aus, prüfen Sie die Ausgabe daher, bevor Sie sich auf sie verlassen.
Was ist
Ein regulärer Ausdruck ist eine kleine Sprache, um die Form von Text zu beschreiben. Sie kann sagen „ein paar Zeichen, dann ein At-Zeichen, dann eine Domain mit einem Punkt" oder „vier Gruppen aus ein bis drei Ziffern, durch Punkte getrennt", und das über ein Megabyte in Millisekunden erledigen. Was sie nicht kann, ist Bedeutung erfassen: Ein Ausdruck weiß nicht, ob 4155550132 eine Telefonnummer oder eine Bestellnummer ist, ob example.com erreichbar ist oder ob die Person in eine Kontaktaufnahme eingewilligt hat. Er erkennt Formen, und die gesamte Schwierigkeit der Extraktion liegt genau in dieser Lücke zwischen Form und Bedeutung. Am weitesten ist diese Lücke bei E-Mail-Adressen. RFC 5322 definiert eine Adresse als lokalen Teil, At-Zeichen und Domain und erlaubt dazu in Anführungszeichen gesetzte lokale Teile, Kommentare in Klammern, IP-Literale Domains wie user@[192.168.0.1] sowie praktisch jedes Zeichen in einer quotierten Zeichenkette. Eine Adresse korrekt zu prüfen hieße, einen großen Teil dieser Grammatik zu implementieren, deshalb gehen praktische Werkzeuge einen Kompromiss ein: Sie matchen eine vorsichtige Teilmenge und nehmen in Kauf, dass einige gültige Adressen durchrutschen. Das hier verwendete Muster verankert den Treffer an dem Zeichen vor dem lokalen Teil und verlangt im Domain mindestens eine durch einen Punkt getrennte Ebene. Damit wird der allergrößte Teil echter Adressen erfasst, während Dinge wie der Handle @nutzer oder ein einzelnes At-Zeichen in einem Änderungsprotokoll durchfallen. Der klassische Fehler eines naiven Extraktors ist, die Satzzeichen am Ende mitzuschlucken.
Ein als „Zeichen, At, Zeichen, Punkt, Zeichen" formuliertes Muster liefert bei „Schreib uns an [email protected]." vergnügt [email protected]. mit Punkt zurück. Wer je einen Scraper geschrieben hat, kennt das, und das Ergebnis ist ein Postfach voller Adressen, die auf Punkt, Komma oder Klammer enden. Die Abhilfe ist eine Grenzbehauptung am Ende, die die Übereinstimmung nicht in ein folgendes Wortzeichen oder einen Punkt hinein wachsen lässt, ergänzt um eine Bereinigung für URL-Treffer, bei denen eine schließende Klammer legitim sein kann, ein Satzpunkt dagegen nie. Telefonnummern sind schwieriger, und ein Schritt ist auf den ersten Blick widersprüchlich: Ziffern, die innerhalb einer E-Mail-Adresse oder einer URL stehen, müssen ausgeblendet werden, bevor überhaupt nach Nummern gesucht wird. Nehmen wir [email protected] oder https://example.com/rechnung/20240115: Beide enthalten Ziffernfolgen, die auf jedes vernünftige Telefonmuster passen. Der Trick besteht darin, diese Bereiche vor dem Lauf des Telefonmusters durch Leerzeichen gleicher Länge zu ersetzen, sodass alle übrigen Zeichen ihre Position behalten und Treffer an anderer Stelle unberührt bleiben. Trotzdem sind Fehltreffer unvermeidbar. Eine neunstellige Bestellnummer, eine Kundennummer, ein Zeitstempel wie 20240115120000 oder ein Produktcode wie A12345678901 haben alle die Silhouette einer Telefonnummer und sind keine. Ein regulärer Ausdruck kann nicht in die umgebenden Wörter schauen, um zu entscheiden, weshalb die Ausgabe ein Ausgangspunkt für die Prüfung ist und keine fertige Liste.
Internationale Formate erschweren das zusätzlich: Ländervorwahl mit Pluszeichen, nationale Nummern mit führender Null, die erhalten bleiben muss, Trennzeichen als Punkt, Leerzeichen, Bindestrich oder Klammer sowie Durchwahlen. Der praktikable Kompromiss lautet, die Ziffern zu zählen und nur Treffer mit 7 bis 15 Ziffern zu behalten. Das deckt die kürzesten nationalen Nummern bis hin zu den längsten E.164-Nummern ab und wirft verstreute zweistellige Zahlen sowie lange Kennungen weg. IPv4-Adressen sind die einzige wirklich streng prüfbare Kategorie, weil ihre Form feststeht: vier Dezimal-Oktette, durch Punkte getrennt, jedes zwischen 0 und 255 und ohne führende Null in der heutigen Spezifikation. Das Muster arbeitet Oktett für Oktett statt nach freien Ziffern zu suchen, sodass 999.1.1.1 und 192.168.01.1 zu Recht abgelehnt werden, und Grenzbehauptungen verhindern, dass es sich ein Stück aus einer Version wie 1.2.3.4.5 oder einer IPv6-Adresse herausbeißt. Social-Handles sind noch einfacher, brauchen aber einen negativen Blick zurück auf @ und #, damit aus einer E-Mail-Adresse nicht ein Handle aus deren lokalem Teil entsteht. Da nichts davon das Hochladen deines Textes auf einen fremden Server rechtfertigt, läuft hier alles als einfaches JavaScript in der Seite: kein Upload, keine Warteschlange, kein Konto. Der Preis dieser Entscheidung ist, dass die Arbeit durch die Textmenge begrenzt ist, die ein Browser komfortabel halten kann.
Wie zu verwenden
- Füge deinen Text in das große Eingabefeld oben in der Karte ein oder tippe ihn. Die Karte enthält bereits einen Beispielabsatz mit E-Mails, Links, Telefonnummern, einer IP und einem Handle, damit du das Format siehst, bevor du deine eigenen Daten verwendest.
- Sieh dir die fünf Kategorie-Schaltflächen unter dem Eingabefeld an: Emails, URLs, Phone numbers, IP addresses und Social handles. Jede zeigt in Klammern eine laufende Zahl, die sich beim Tippen aktualisiert — die Tabs sind damit zugleich eine schnelle Kontrolle, ob der Text vollständig eingefügt wurde.
- Öffne den Tab Emails, um alle gefundenen Adressen zu sehen. Dubletten werden zusammengefasst, ein zehnmal genannter Wert erscheint also nur einmal, und die Überschrift unter den Tabs wiederholt die Gesamtzahl dieser Kategorie.
- Wechsle ebenso in die Tabs URLs, Phone numbers, IP addresses oder Social handles. Jeder Tab zeigt entweder die doppelfreie Liste oder den Hinweis, dass davon nichts gefunden wurde — so unterscheidest du schnell zwischen „gibt es nicht" und „der Text hat nicht das richtige Format".
- Lies die Summen-Tabelle am Fuß der Karte. Sie listet alle fünf Kategorien mit ihren Zählungen und eine fett gedruckte Zeile Total unique items, und genau diese Zahl nennst du, wenn du das Ergebnis meldest.
- Markiere einen Wert in der Liste und kopiere ihn direkt, oder füge den Text zur Weiterverarbeitung in eine Tabellenkalkulations-Spalte ein. Da nichts die Seite verlässt, kannst du das auch mit echten Kontaktdaten gefahrlos tun.
Beispiele
Eingabe: Reach the team at [email protected] or ping [email protected] for pricing.
Prozess:
E-Mail-Muster greift, Domain mit Punkt ist Pflicht, Dubletten werden zusammengefasst und die Grenzbehauptung weist den Satzpunkt abErgebnis: E-Mails (2): [email protected], [email protected]
Eingabe: Docs: https://wrightkit.com/guides and http://example.org/docs?page=2 — office line +1 (415) 555-0132.
Prozess:
URL-Treffer enden vor dem Gedankenstrich, der Satzpunkt wird bereinigt, danach werden die Ziffern in den Links maskiert und erst dann wird nach Telefonnummern gesuchtErgebnis: URLs (2): https://wrightkit.com/guides, http://example.org/docs?page=2 | Telefone (1): +1 (415) 555-0132
Eingabe: Server 192.168.1.10 handles uploads. Order 4155550132 shipped. Follow @wrightkit.
Prozess:
IPv4 wird Oktett für Oktett geprüft, die 9-stellige Bestellnummer liegt im Bereich 7 bis 15 und bleibt erhalten, das Handle wird über den negativen Blick auf @ erkanntErgebnis: IPs (1): 192.168.1.10 | Telefone (1): 4155550132 (prüfen, könnte eine Bestellnummer sein) | Handles (1): @wrightkit
Eingabe: Eine 300 Wörter lange Antwort mit [email protected] zweimal und der ungültigen IP 10.0.0.256.
Prozess:
Identische Treffer verschmelzen zu einer Zeile, das Oktett außerhalb des gültigen Bereichs fällt durch die Prüfung und wird nicht gelistetErgebnis: E-Mails (1): [email protected] | IPs (0): 10.0.0.256 abgelehnt, ein Oktett über 255
Verwandte Suchen
Leute suchen auch nach: email extraktor, emails aus text ziehen, email adresse finden, email finder online, telefonnummern finden, telefonnummern extraktor.
email extraktoremails aus text ziehenemail adresse findenemail finder onlinetelefonnummern findentelefonnummern extraktorurls aus text extrahierenip adresse findenip aus text lesensocial handle findentwitter handle suchenregex kontaktdatentext bereinigenlead liste erstellenkostenloses text tooltext analyse onlinebrowser textwerkzeugscraping nachbearbeitung
Häufig gestellte Fragen
Findet dieses Werkzeug jede E-Mail-Adresse in meinem Text?
Kein Extraktor kann das versprechen, und der ehrliche Grund ist die Form der Adressgrammatik und kein Fehler im Programm. RFC 5322 erlaubt quotierte lokale Teile, IP-Domains in Klammern und Kommentarsyntax; ein Muster, das alles erkennen würde, erkannte ebenso eine Menge Unsinn. Dieses Werkzeug matcht die vorsichtige Teilmenge, die dem Alltag entspricht, und lässt exotische Formen bewusst durchfallen. Wenn Sie die Daten selbst vorliegen haben, ist ein Export aus dem Quellsystem deutlich verlässlicher als Textanalyse.
Warum erscheinen Ziffern aus E-Mails und URLs nicht als Telefonnummern?
Weil diese Bereiche vor dem Lauf des Telefonmusters durch Leerzeichen gleicher Länge ersetzt werden: Ihre Ziffern erreichen den Detektor also nie, während alle anderen Zeichen an ihrer Stelle bleiben. Ohne diesen Schritt würden etwa [email protected] oder ein Rechnungslink, der auf 20240115 endet, Phantomrufnummern erzeugen, weil jede Ziffernfolge im passenden Bereich wie eine Nummer aussieht. Dieselbe Maskierungslogik hält auch Versionsnummern und Referenzcodes aus der Telefonliste heraus.
Warum steht meine neunstellige Bestellnummer in der Telefonliste?
Weil Mustervergleich Formen sieht, keine Bedeutungen. Eine neunstellige Bestell- und eine neunstellige Mobilnummer sind für einen regulären Ausdruck dieselbe Zeichenkette, und sie zu unterscheiden würde erfordern, die umgebenden Wörter zu verstehen, was Muster nicht können. Der Extraktor behält 7 bis 15 Ziffern, um bei nationalen wie internationalen Formaten nützlich zu bleiben, und schließt damit bewusst die meisten Bestellnummern ein. Prüfen Sie die Telefonliste im Zusammenhang des Satzes, oder teilen Sie den Text so auf, dass Kennungen nicht im selben Block wie Kontaktdaten stehen.
Welche Telefonformate erkennt der Telefon-Tab?
Er deckt die Formen ab, die in echtem Text am häufigsten vorkommen: optionale Ländervorwahl mit Pluszeichen, optionale Vorwahl in Klammern und Zifferngruppen, getrennt durch Leerzeichen, Punkte oder Bindestriche. Anschließend wird nach Ziffernanzahl gefiltert und alles von 7 bis 15 Ziffern behalten, sodass kurze nationale und lange internationale Nummern erhalten bleiben und verstreute kleine Zahlen verschwinden. Formate mit ungewöhnlichen Trennzeichen oder ausgeschriebenen Ländernamen werden nicht erkannt, ebenso wenig Nummern, die mitten in einer Gruppe einen Zeilenumbruch haben.
Kennt das Werkzeug IPv4-Adressen und vermeidet Fehltreffer bei IPv6?
Die IPv4-Erkennung ist streng, weil das Format feststeht: vier Dezimal-Oktette zwischen 0 und 255, durch Punkte getrennt. Alles über 255 oder mit falscher Oktettzahl wird abgelehnt, sodass 999.1.1.1 ignoriert wird. Grenzbehauptungen verhindern außerdem, dass das Muster ein Fragment aus einer längeren Punktfolge wie einer Versionsnummer herausbeißt, was die übliche Quelle falscher IP-Adressen ist. IPv6-Adressen werden gar nicht erkannt und tauchen nur dann im URL-Tab auf, wenn sie Teil eines Links sind.
Wird der eingefügte Text auf einen Server hochgeladen?
Nein. Die Muster laufen als JavaScript in Ihrem Browser-Tab, der Text wird also lediglich aus dem Eingabefeld gelesen und nie übertragen, protokolliert oder gespeichert. Das ist gerade für die Eingabe wichtig, für die dieses Werkzeug gedacht ist, denn eingefügter Text ist häufig ein Support-Verlauf oder ein Kundendatensatz voller personenbezogener Daten. Die einzige praktische Folge des Betriebs im Browser ist, dass sehr große Eingaben durch das begrenzt sind, was eine Seite komfortabel halten kann, und nicht durch einen Netzwerkweg.
Lassen sich auch Social-Media-Handles extrahieren?
Ja, der Tab Social handles sammelt Werte, die mit @ beginnen, gefolgt von einem Buchstaben und bis zu dreißig alphanumerischen Zeichen oder Unterstrichen, was die Namensregeln der großen Netzwerke abdeckt. Ein negativer Blick zurück verhindert, dass das At-Zeichen am Anfang einer E-Mail-Adresse ein erfundenes Handle aus deren lokalem Teil erzeugt, und Dubletten werden wie in allen anderen Kategorien zusammengefasst. Bedenken Sie dabei: Ein Handle ist nur ein Handle. Es sagt nicht, in welchem Netzwerk das Konto liegt, und jeder kann es beanspruchen.