Alle URLs aus Text oder HTML extrahieren (online, Sheets, Excel, Kommandozeile)

· Lesezeit: 5 Minuten

Alle URLs aus Text oder HTML extrahieren (online, Sheets, Excel, Kommandozeile)

Links von Hand zu sammeln ist mühsam: Du kopierst einen, scrollst, kopierst den nächsten und übersiehst trotzdem ein paar. Egal ob du die ausgehenden Links einer Seite prüfst, Quellen aus einem langen Dokument sammelst oder einen Chat-Export aufräumst – es geht viel schneller, alle URLs automatisch aus dem Text zu extrahieren.

Das Knifflige ist nicht, https:// zu finden, sondern ein sauberes Ergebnis zu bekommen: kein Punkt vom Satzende, keine schließende Klammer aus einem Markdown-Link, kein & aus HTML und nicht zehn Kopien derselben Adresse mit unterschiedlichen Tracking-Parametern.

Der schnellste Weg: ein URL-Extraktor für viele Links

  1. Öffne den URL-Extraktor.
  2. Füge deinen Text ein. Das kann einfacher Text, Markdown oder der HTML-Quelltext einer Seite sein.
  3. Die Links erscheinen rechts, einer pro Zeile, ohne Duplikate.
  4. Passe die Optionen an:
    • Nur Domains – listet blog.example.com statt vollständiger URLs auf.
    • Query-Strings entfernen – schneidet alles nach ? oder # ab, sodass Varianten mit ?utm_source=… zu einem Eintrag verschmelzen.
    • Domain enthält – behält nur Links zu einer bestimmten Website, z. B. deiner eigenen Domain für interne Links.
    • www.-Links ohne https:// finden – erfasst auch Adressen, die ohne https:// geschrieben sind.
    • A–Z sortieren – sortiert die Liste alphabetisch.
  5. Kopiere die Liste oder lade sie herunter.

Der Extraktor entfernt Satzzeichen am Ende jedes Links, behält aber Klammern, die zur Adresse gehören – so bleibt https://en.wikipedia.org/wiki/Mercury_(planet) auch innerhalb von Klammern vollständig. HTML-Attribute wie href und src werden ebenfalls gelesen, und & wird wieder in & umgewandelt.

Alle Links einer Webseite extrahieren

Die einfachste Quelle ist der HTML-Code der Seite:

  1. Öffne die Seite und drücke Strg+U (Cmd+Option+U auf dem Mac), um den Quelltext anzuzeigen.
  2. Drücke Strg+A und Strg+C.
  3. Füge ihn in den URL-Extraktor ein.

Extrahiert werden nur absolute Links. Relative Links wie /about haben keine Domain und werden deshalb übersprungen.

Wenn du lieber die Entwicklerkonsole des Browsers nutzt (F12 → Konsole), kopiert dieser Einzeiler alle aufgelösten Linkziele – auch relative Links, die in vollständige URLs umgewandelt werden:

copy([...new Set([...document.querySelectorAll('a[href]')].map(a => a.href))].join('\n'))

Die Hilfsfunktion copy() gibt es in den Konsolen von Chrome, Edge und Firefox; das Ergebnis landet in deiner Zwischenablage.

URLs in Google Sheets extrahieren

Für Text in Spalte A liefert diese Formel die erste URL jeder Zelle (bei deutschem Gebietsschema mit ; als Trennzeichen):

=IFERROR(REGEXEXTRACT(A2; "https?://[^\s""<>]+"); "")

Beachte das doppelte Anführungszeichen im Muster – so schreibst du ein wörtliches " in einer Sheets-Formel. Die Formel liefert nur einen Link pro Zelle und behält einen Punkt am Ende, wenn die URL einen Satz abschließt. Prüfe das Ergebnis also oder jag es durch das Online-Tool.

Enthalten deine Zellen Hyperlinks, die über Einfügen → Link eingefügt wurden (blauer Text mit versteckter Adresse), ist die Adresse nicht Teil des Zelltexts, und Sheets hat keine eingebaute Formel, um sie auszulesen. Ein praktischer Umweg: Datei → Herunterladen → Webseite (.html), die heruntergeladene HTML-Datei in einem Texteditor öffnen und den Quelltext in den URL-Extraktor einfügen – die href-Werte werden erkannt.

Hyperlink-Adressen in Excel extrahieren

In Microsoft 365 mit Regex-Funktionen kannst du dasselbe Muster wie oben verwenden (englisch REGEXEXTRACT):

=REGEXEXTRAHIEREN(A2; "https?://[^\s""<>]+")

Für Zellen mit versteckten Hyperlinks braucht Excel eine kleine VBA-Funktion. Drücke Alt+F11, füge ein Modul ein und kopiere Folgendes hinein:

Function GetURL(cell As Range) As String
    If cell.Hyperlinks.Count > 0 Then GetURL = cell.Hyperlinks(1).Address
End Function

Danach kannst du =GetURL(A2) in jeder Zelle verwenden. Speichere die Arbeitsmappe als .xlsm, damit das Makro erhalten bleibt.

URLs auf der Kommandozeile extrahieren

Unter Linux oder macOS:

grep -oE 'https?://[^[:space:]"<>]+' notes.txt | sed 's/[.,;:!?)]*$//' | sort -u

Der sed-Schritt entfernt Satzzeichen am Ende. Er entfernt allerdings auch eine schließende Klammer, die zur URL gehört – Links im Wikipedia-Stil solltest du also von Hand prüfen.

In PowerShell:

Select-String -Path .\notes.txt -Pattern 'https?://[^\s"<>]+' -AllMatches |
  ForEach-Object { $_.Matches.Value } | Sort-Object -Unique

Typische Fehler

  • Satzzeichen am Ende. „Siehe https://example.com/page.“ – der Punkt gehört nicht zum Link und führt zu einem 404-Fehler, wenn du ihn behältst.
  • Klammern. Markdown-Links enden mit ), Wikipedia-URLs enthalten (…). Ein guter Extraktor entfernt nur unausgeglichene schließende Klammern.
  • HTML-Entities. Im Seitenquelltext bedeutet ein Link wie ?a=1&amp;b=2 in Wirklichkeit ?a=1&b=2.
  • Tracking-Parameter. utm_source, fbclid und Ähnliches lassen identische Seiten unterschiedlich aussehen. Entferne Query-Strings vor dem Deduplizieren – es sei denn, die Parameter sind wichtig (Suchseiten, Produktvarianten).
  • Links ohne Schema. Viele schreiben einfach www.example.com. Entscheide, ob du solche Links mitnehmen willst.
  • Groß- und Kleinschreibung. Bei Domainnamen spielt sie keine Rolle, bei Pfaden meistens schon. https://Example.com/A und https://example.com/A sind identisch, /A und /a aber nicht unbedingt.

Häufige Fragen

Kann ich nur die Liste der Domains bekommen?

Ja, aktiviere Nur Domains im URL-Extraktor. Jede Domain wird einmal aufgeführt; Subdomains bleiben eigene Einträge.

Wie extrahiere ich E-Mail-Adressen aus demselben Text?

Nutze den E-Mail-Extraktor. Er funktioniert genauso – Text einfügen und Ergebnis kopieren.

Wie entferne ich doppelte URLs aus einer vorhandenen Liste?

Füge die Liste mit aktivierter Option Nur eindeutige in den URL-Extraktor ein oder nutze für beliebige Listen das Tool Doppelte Zeilen entfernen.

Ruft das Tool die Links auf oder prüft es sie?

Nein. Es liest nur den Text, den du einfügst – komplett in deinem Browser. Kein Link wird geöffnet, und nichts wird an einen Server gesendet.