Trích xuất văn bản
Dán bất kỳ văn bản nào — email, liên kết và số hiện ra thành danh sách gọn gàng.
Đã trích xuất
Cách sử dụng
- Dán văn bản — email, liên kết và số được quét cùng lúc, và số lượng tìm thấy trên các nhãn cập nhật ngay khi bạn gõ.
- Email và liên kết được bật mặc định. Chỉ bật “Số” khi bạn thật sự cần các con số: ngày tháng, số phiên bản và mã đơn hàng cũng sẽ đi kèm.
- Sao chép danh sách hoặc tải xuống dưới dạng .txt. Cả hai đều theo thứ tự trên màn hình — email, rồi liên kết, rồi số, mỗi dòng một mục.
Ví dụ
Đầu vào
Hội thảo tại Hà Nội — xác nhận đặt chỗ Liên hệ: lan.t@acme.com, cc info@acme.com Bài trình bày: https://acme.com/deck/hanoi.pdf Đề cương: https://acme.com/brief — 3 trang Địa chỉ dự phòng: lan.t@acme.com
Đã trích xuất (mặc định)
lan.t@acme.com info@acme.com https://acme.com/deck/hanoi.pdf https://acme.com/brief
Chỉ dùng tùy chọn mặc định (bật email và liên kết, tắt số, loại trùng). Địa chỉ dự phòng bị lặp được bỏ và có đếm, còn số “3” nằm trong nhóm Số đang ẩn nên không xuất hiện trong danh sách — nhãn Số vẫn cho biết nó có ở đó.
Quy tắc, giới hạn và các vấn đề đã biết
- Đây là khớp mẫu, không phải xác minh: một địa chỉ trông giống email không bao giờ được kiểm tra với máy chủ, và một liên kết hoàn toàn có thể đã lỗi thời. Việc trích xuất ưu tiên bắt được kết quả thật, nên hãy lướt danh sách để phát hiện vài kết quả dương tính giả.
- Liên kết phải bắt đầu bằng http://, https:// hoặc www. Một tên miền trần như example.com không được coi là liên kết, và ftp: hay mailto: cũng vậy — văn xuôi được dán đầy những “.com” ở cuối câu, nếu không sẽ thành nhiễu.
- Dấu câu ở cuối câu được cắt khỏi liên kết, trong khi ngoặc thuộc về URL được giữ: https://zh.wikipedia.org/wiki/Foo_(bar) giữ dấu ngoặc đóng, còn dấu “)” kết thúc câu thì không.
- Một email phải có dạng local@domain.tld. Những chuỗi giống tên tệp như logo@2x.png bị bỏ qua, nhưng .zip, .app và .dev là tên miền cấp cao thật, nên những địa chỉ đó được giữ.
- Số được lấy đúng như khi viết: dấu phân cách hàng nghìn và dấu thập phân giữ nguyên, và 1.234 không bao giờ bị đoán thành 1234 hay 1.234 — cách đọc khác nhau ở từng quốc gia. Không có phép cộng, trung bình hay quy đổi tiền tệ, và dấu trừ không thuộc về con số (−5 cho ra 5).
- Vì không gì được diễn giải, ngày tháng và phiên bản bị tách nhỏ: 2026-01-05 cho ra ba số, v1.2.3 cho ra 1.2 và 3, và một mã đơn như A12345 cho ra 12345. Hãy tắt “Số” khi bạn chỉ cần thông tin liên hệ.
- Văn bản bên trong một liên kết hoặc địa chỉ email không bao giờ được trích xuất lại: user123@mail.com cho ra một email và không có số, còn https://x.com/item/2026 cho ra một liên kết và không có số.
- Việc loại trùng được so theo từng loại: email bỏ qua chữ hoa/thường, liên kết so sánh chính xác (đường dẫn phân biệt chữ hoa/thường), số so theo cách viết — “1,000” và “1000” là hai mục khác nhau.
- Chữ số toàn khổ (１２３) và chữ số Ả Rập-Ấn (١٢٣) được nhận diện. Trang tiếng Trung và tiếng Ả Rập có thêm tùy chọn “Chữ số bán khổ” để đổi chúng thành 0-9, đúng như bảng tính mong đợi; tùy chọn này tắt mặc định để văn bản của bạn không bao giờ bị viết lại âm thầm.
- Trên 2.000 kết quả khớp, chỉ 2.000 mục đầu được liệt kê, trong khi sao chép và tải xuống vẫn chứa tất cả; trên 200.000 ký tự, kết quả cập nhật khoảng 0,6 giây sau khi bạn ngừng gõ. Không trích xuất số điện thoại, số căn cước hay mã vận đơn (chúng cần quy tắc riêng theo quốc gia), không tải tệp lên và không lịch sử — mọi thứ chạy trong trình duyệt của bạn.
Công cụ văn bản liên quan
Những việc thường cần làm tiếp sau khi đã có danh sách.