Jak wyciągnąć wszystkie linki URL z tekstu lub HTML (online, Arkusze, Excel, wiersz poleceń)

· czas czytania: 5 minut

Jak wyciągnąć wszystkie linki URL z tekstu lub HTML (online, Arkusze, Excel, wiersz poleceń)

Ręczne zbieranie linków jest męczące: kopiujesz jeden, przewijasz, kopiujesz kolejny i i tak kilka pomijasz. Niezależnie od tego, czy sprawdzasz linki wychodzące ze strony, zbierasz źródła z długiego dokumentu, czy porządkujesz eksport czatu, znacznie szybciej jest automatycznie wyciągnąć wszystkie adresy URL z tekstu.

Trudność nie polega na znalezieniu https://, ale na uzyskaniu czystego wyniku: bez kropki z końca zdania, bez nawiasu zamykającego z linku w Markdownie, bez & z HTML i bez dziesięciu kopii tego samego adresu z różnymi parametrami śledzącymi.

Najszybszy sposób: masowe wyodrębnianie adresów URL

  1. Otwórz narzędzie Wyodrębnianie adresów URL.
  2. Wklej tekst. Może to być zwykły tekst, Markdown albo kod źródłowy HTML strony.
  3. Linki pojawią się po prawej, jeden w linii, bez duplikatów.
  4. Dostosuj opcje:
    • Tylko domeny – wypisuje blog.example.com zamiast pełnych adresów URL.
    • Usuń parametry zapytania – obcina wszystko po ? lub #, dzięki czemu warianty z ?utm_source=… łączą się w jeden.
    • Domena zawiera – zostawia tylko linki do wybranej witryny, np. Twojej domeny, jeśli szukasz linków wewnętrznych.
    • Znajdź linki www. bez https:// – wychwytuje też adresy zapisane bez https://.
    • Sortuj A–Z – sortuje listę alfabetycznie.
  5. Skopiuj lub pobierz listę.

Narzędzie usuwa interpunkcję zdania z końca każdego linku, ale zachowuje nawiasy, które należą do adresu – dzięki temu https://en.wikipedia.org/wiki/Mercury_(planet) zostaje nienaruszony nawet w nawiasie. Odczytywane są również atrybuty HTML, takie jak href i src, a & jest zamieniane z powrotem na &.

Jak wyciągnąć wszystkie linki ze strony internetowej

Najprostszym źródłem jest kod HTML strony:

  1. Otwórz stronę i naciśnij Ctrl+U (Cmd+Option+U na Macu), aby wyświetlić źródło.
  2. Naciśnij Ctrl+A i Ctrl+C.
  3. Wklej je do narzędzia Wyodrębnianie adresów URL.

Wyodrębniane są tylko linki bezwzględne. Linki względne, takie jak /o-nas, nie mają domeny, więc są pomijane.

Jeśli wolisz konsolę deweloperską przeglądarki (F12 → Konsola), ta jedna linijka skopiuje wszystkie docelowe adresy linków, łącznie z linkami względnymi zamienionymi na pełne adresy URL:

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

Funkcja pomocnicza copy() jest dostępna w konsoli Chrome, Edge i Firefoksa; wynik trafia do schowka.

Jak wyciągnąć adresy URL w Arkuszach Google

Dla tekstu w kolumnie A ta formuła zwraca pierwszy adres URL z każdej komórki (w polskich ustawieniach argumenty rozdziela się średnikiem):

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

Zwróć uwagę na podwójny cudzysłów wewnątrz wzorca – tak zapisuje się dosłowny znak " w formule Arkuszy. Formuła zwraca tylko jeden link na komórkę i zostawia kropkę na końcu, jeśli adres URL kończy zdanie, więc sprawdź wynik albo przepuść go przez narzędzie online.

Jeśli komórki zawierają hiperłącza wstawione przez Wstaw → Link (niebieski tekst z ukrytym adresem), adres nie jest częścią tekstu komórki, a Arkusze nie mają wbudowanej formuły, która by go odczytała. Praktyczne obejście: Plik → Pobierz → Strona internetowa (.html), otwórz pobrany plik HTML w edytorze tekstu i wklej jego źródło do narzędzia do wyodrębniania adresów URL – wartości href zostaną wychwycone.

Jak wyciągnąć adresy hiperłączy w Excelu

W Microsoft 365 z funkcjami regex możesz użyć tego samego wzorca co powyżej:

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

W przypadku komórek z ukrytymi hiperłączami Excel potrzebuje małej funkcji VBA. Naciśnij Alt+F11, wstaw moduł (Insert → Module, po polsku Wstaw → Moduł) i wklej:

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

Następnie użyj =GetURL(A2) w dowolnej komórce. Zapisz skoroszyt jako .xlsm, aby zachować makro.

Jak wyciągnąć adresy URL w wierszu poleceń

W systemie Linux lub macOS:

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

Krok sed usuwa interpunkcję z końca. Usuwa też nawias zamykający, który należy do adresu URL, więc linki w stylu Wikipedii sprawdź ręcznie.

W PowerShellu:

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

Typowe pułapki

  • Interpunkcja na końcu. „Zobacz https://example.com/strona.” – kropka nie jest częścią linku i jeśli ją zostawisz, dostaniesz błąd 404.
  • Nawiasy. Linki w Markdownie kończą się znakiem ), a adresy z Wikipedii zawierają (…). Dobre narzędzie usuwa tylko niesparowane nawiasy zamykające.
  • Encje HTML. W kodzie strony link typu ?a=1&amp;b=2 w rzeczywistości oznacza ?a=1&b=2.
  • Parametry śledzące. utm_source, fbclid i podobne sprawiają, że identyczne strony wyglądają na różne. Usuń parametry zapytania przed usuwaniem duplikatów – chyba że parametry mają znaczenie (strony wyszukiwania, warianty produktów).
  • Linki bez protokołu. Ludzie często piszą www.example.com. Zdecyduj, czy chcesz je uwzględnić.
  • Wielkość liter. W nazwach domen wielkość liter nie ma znaczenia, w ścieżkach zwykle ma. https://Example.com/A i https://example.com/A to to samo, ale /A i /a już niekoniecznie.

FAQ

Czy mogę otrzymać samą listę domen?

Tak, zaznacz Tylko domeny w narzędziu Wyodrębnianie adresów URL. Każda domena pojawia się raz; subdomeny są traktowane jako osobne wpisy.

Jak wyciągnąć adresy e-mail z tego samego tekstu?

Użyj narzędzia Wyodrębnianie adresów e-mail. Działa tak samo – wklejasz tekst i kopiujesz wynik.

Jak usunąć zduplikowane adresy URL z istniejącej listy?

Wklej listę do narzędzia do wyodrębniania adresów URL z włączoną opcją Tylko unikalne albo użyj narzędzia Usuwanie duplikatów, które działa z każdą listą.

Czy narzędzie odwiedza lub sprawdza linki?

Nie. Odczytuje tylko wklejony tekst, w całości w Twojej przeglądarce. Żaden link nie jest otwierany i nic nie jest wysyłane na serwer.