Comment extraire toutes les adresses e-mail et tous les liens d'un texte désordonné

Pour extraire toutes les adresses e-mail d'une page ou d'un export désordonné, utilisez un motif qui correspond à la forme d'une adresse, puis nettoyez la ponctuation qui la suit. Un motif simple capture aussi le point ou la virgule en fin de phrase, et il manque les adresses écrites de façon détournée. Prévoyez de vérifier la liste à l'œil avant de l'utiliser.

Extraire e-mails et liensExtraire les e-mails d’une pageEssayer gratuitement

Pourquoi les motifs simples posent problème

Un motif courant consiste en une suite de caractères sans espace, un signe @, puis une autre suite de caractères sans espace. Il est facile à écrire, mais il pose deux problèmes.

Il capture trop. Dans la phrase « Contactez [email protected], ou [email protected]. », le motif « \S+@\S+ » renvoie « [email protected], » avec la virgule, et « [email protected]. » avec le point final. Ce ne sont pas des adresses valides pour votre liste, et un publipostage ou un filtre anti-spam les rejettera.

Il ne capture pas assez. Les adresses écrites « ana [at] example [dot] com » ou « ana at example dot com » ne sont pas du tout repérées. Les auteurs utilisent cette forme pour échapper aux robots de collecte, et certaines pages s'en servent pour la même raison. Remplacez d'abord les mots, puis extrayez.

Un meilleur motif n'accepte à gauche que les caractères possibles dans une adresse, et à droite qu'un domaine composé de lettres. Le motif « [\w.+-]+@[\w-]+\.[\w.-]+ » est un bon point de départ. Il peut toutefois conserver un point après le domaine lorsque l'adresse termine une phrase, car la dernière partie du domaine accepte les points. Retirez donc un point final de chaque résultat. L'outil extraire emails et liens supprime déjà la ponctuation finale : cette étape ne compte vraiment que si vous écrivez votre propre motif.

Voici ce que ce motif renvoie pour les deux exemples ci-dessus :

• « Écrivez à [email protected]. » donne « [email protected]. » avec le point final, qu'il faut supprimer.
• « Contactez [email protected], ou [email protected]. » donne « [email protected] » et « [email protected]. », donc le même nettoyage s'applique.

Les liens fonctionnent de la même façon

Les URL posent le même problème. Un lien en fin de phrase est souvent suivi d'un point, d'une virgule ou d'une parenthèse fermante. Un lien placé entre parenthèses, comme (voir https://example.com/page), peut inclure la parenthèse fermante si le motif est trop gourmand. Nettoyez la ponctuation finale, puis vérifiez que chaque lien s'ouvre dans un navigateur.

Les liens peuvent aussi être relatifs, comme /contact, que l'extraction d'adresses e-mail ignorera. Décidez si vous ne voulez que des adresses absolues, et précisez-le lorsque vous lancez l'extraction.

Étapes qui fonctionnent sur la plupart des exports

1. Remplacez d'abord les formes détournées avec rechercher et remplacer : « [at] » devient @ et « [dot] » devient un point, mais uniquement là où vous voyez qu'il s'agit d'une adresse.
2. Collez le texte, ou le code source HTML de la page, dans Texte ou HTML de l'outil d'extraction. Les adresses et les liens sont repérés, et la ponctuation finale est supprimée.
3. Gardez Supprimer les doublons coché. Il ignore les majuscules dans les adresses e-mail, donc [email protected] et [email protected] ne comptent qu'une fois. Pour une liste que vous avez déjà, supprimer les lignes en double fait le même travail.
4. Cochez Trier A→Z si vous voulez la liste dans l'ordre.
5. Relisez la liste finale. Repérez les valeurs qui ne sont pas des adresses, comme des noms de fichiers image contenant par hasard un signe @.

Un exemple concret : une page contient « Ventes : [email protected] », « [email protected]. » et « Assistance : [email protected] ». L'extraction renvoie trois résultats. Après suppression du point final et des doublons sans tenir compte de la casse, il reste deux adresses : [email protected] et [email protected]. Si vous voulez la liste dans l'ordre, cochez Trier A→Z dans l'extracteur, ou utilisez trier des lignes.

Gardez une liste propre et conforme à la loi

Les adresses e-mail sont des données personnelles dans de nombreux cas, et des règles anti-spam existent dans beaucoup de pays. Récupérer une adresse sur une page publique ne vous autorise pas automatiquement à écrire à cette personne. Le RGPD européen et la loi américaine CAN-SPAM sont deux exemples bien connus, et ils n'exigent pas les mêmes choses. Ces informations sont générales et ne constituent pas un avis juridique. Avant d'envoyer quoi que ce soit, vérifiez les règles qui vous concernent, ainsi que celles qui concernent les personnes de la liste, et prévoyez une option de désabonnement pour les envois en masse.

Cas particuliers

• Texte qui n'est pas une adresse. Des chaînes comme [email protected] peuvent être repérées. Supprimez tout ce qui se termine par une extension de fichier.
• Adresses dans une image. Lisez d'abord une capture d'écran avec l'outil image vers texte, puis extrayez à partir du résultat. Le guide sur les captures d'écran et les photos explique comment obtenir une lecture propre.
• Caractères invisibles. Une espace de largeur nulle à l'intérieur d'une adresse empêche la reconnaissance, et l'adresse est alors manquée. Supprimez les caractères invisibles avant l'extraction si une adresse connue manque. Le guide sur les caractères invisibles explique d'où ils viennent.
• Adresses encodées. Certaines pages cachent les adresses sous forme d'entités HTML comme @ pour @. Décodez d'abord le texte de la page, sinon le motif ne verra pas le signe @.
• Exports volumineux. Pour les gros fichiers, extrayez le résultat dans un fichier et comparez le nombre obtenu avec le nombre de lignes attendu.

Réponses rapides

Pourquoi mon extraction d'e-mails inclut-elle un point à la fin ?

Un point est autorisé dans un domaine, donc un motif qui accepte les points peut capturer celui qui termine la phrase. Retirez un seul point final de chaque résultat.

Un outil peut-il trouver les adresses écrites « nom at example dot com » ?

Pas de façon fiable sans une étape de remplacement. Convertissez d'abord les mots en symboles, mais uniquement lorsque le texte est clairement une adresse, afin que les phrases ordinaires ne soient pas modifiées.

Est-il légal d'écrire à chaque adresse extraite d'une page web ?

Cela dépend de l'endroit où vous et les destinataires vous trouvez, et du contenu du message. Les règles anti-spam et de protection de la vie privée s'appliquent, donc vérifiez-les d'abord. Ces informations sont générales et ne constituent pas un avis juridique.