Cara mengambil semua alamat email dan tautan dari teks berantakan

Untuk mengambil semua alamat email dari halaman atau ekspor yang berantakan, gunakan pola yang sesuai dengan bentuk alamat, lalu bersihkan tanda baca di sekitarnya. Pola sederhana ikut mengambil titik atau koma di akhir kalimat, dan melewatkan alamat yang ditulis dengan cara disamarkan. Periksa daftar hasilnya secara manual sebelum Anda menggunakannya.

Ekstrak email dan tautanAmbil email dari halaman webPakai gratis

Mengapa pola sederhana keliru

Pola yang umum dipakai adalah deretan karakter non-spasi, tanda @, lalu deretan karakter non-spasi lagi. Pola ini mudah ditulis, tetapi punya dua kelemahan.

Pola ini terlalu banyak mencocokkan. Pada kalimat "Contact [email protected], or [email protected].", pola "\S+@\S+" menghasilkan "[email protected]," dengan koma, dan "[email protected]." dengan titik. Keduanya bukan alamat yang valid, dan penggabungan surat (mail merge) atau filter spam akan menolaknya.

Pola ini juga kurang mencocokkan. Alamat yang ditulis seperti "ana [at] example [dot] com" atau "ana at example dot com" tidak tercocokkan sama sekali. Penulis memakai bentuk ini untuk menghindari pengambilan otomatis, dan beberapa halaman menggunakannya dengan alasan yang sama. Ganti kata-katanya lebih dulu, baru lakukan ekstraksi.

Pola yang lebih baik hanya mengizinkan karakter yang boleh ada dalam alamat di sisi kiri, dan hanya domain berbasis huruf di sisi kanan. Pola "[\w.+-]+@[\w-]+\.[\w.-]+" adalah titik awal yang wajar. Meski begitu, pola ini masih bisa menyisakan titik setelah domain ketika alamat berada di akhir kalimat, karena bagian terakhir domain mengizinkan titik. Hapus satu titik di akhir setiap hasil. Alat ekstrak email dan tautan sudah membuang tanda baca di akhir, jadi langkah ini terutama penting jika Anda menulis pola sendiri.

Berikut hasil pola tersebut untuk dua contoh di atas:

• "Write to [email protected]." menghasilkan "[email protected]." dengan titik di akhir, yang harus dihapus.
• "Contact [email protected], or [email protected]." menghasilkan "[email protected]" dan "[email protected].", sehingga pembersihan yang sama berlaku.

Tautan mengalami hal yang sama

URL memiliki masalah yang serupa. Tautan di akhir kalimat sering terbawa titik, koma, atau tanda kurung tutup. Tautan di dalam kurung, seperti (see https://example.com/page), bisa ikut mengambil tanda kurung tutup jika polanya terlalu rakus. Bersihkan tanda baca di akhir, lalu pastikan setiap tautan terbuka di peramban.

Tautan juga bisa bersifat relatif, seperti /contact, yang akan diabaikan oleh ekstraksi alamat email. Tentukan apakah Anda hanya membutuhkan alamat absolut, dan sebutkan hal itu saat menjalankan ekstraksi.

Langkah yang berhasil pada sebagian besar ekspor

1. Ganti bentuk yang disamarkan lebih dulu, dengan cari dan ganti teks: "[at]" menjadi @ dan "[dot]" menjadi titik, tetapi hanya jika Anda bisa melihat bahwa teks tersebut adalah alamat.
2. Tempel teks, atau sumber HTML halaman, ke Teks atau HTML pada alat ekstraksi. Alamat dan tautan akan diambil, dan tanda baca di akhir dibuang.
3. Biarkan Hapus duplikat tercentang. Opsi ini mengabaikan huruf kapital pada alamat email, sehingga [email protected] dan [email protected] dihitung sekali. Untuk daftar yang sudah Anda miliki, hapus baris duplikat melakukan hal yang sama.
4. Centang Urutkan A→Z jika Anda ingin daftarnya berurutan.
5. Baca daftar akhirnya. Perhatikan nilai yang bukan alamat, misalnya nama file gambar yang kebetulan memuat tanda @.

Contoh: sebuah halaman memuat "Sales: [email protected]", "[email protected]." dan "Support: [email protected]". Ekstraksi menghasilkan tiga cocokan. Setelah titik dihapus dan duplikat dibuang tanpa memperhatikan huruf besar-kecil, hasilnya dua alamat: [email protected] dan [email protected]. Jika Anda ingin daftarnya berurutan, centang Urutkan A→Z di alat ekstraksi, atau gunakan urutkan baris.

Jaga daftar tetap bersih dan sesuai hukum

Di banyak tempat, alamat email termasuk data pribadi, dan banyak negara memiliki aturan anti-spam. Mengambil alamat dari halaman publik tidak otomatis memberi Anda izin untuk mengirim email kepadanya. Aturan seperti GDPR di Uni Eropa dan CAN-SPAM Act di Amerika Serikat adalah dua contoh yang terkenal, dan keduanya berbeda dalam persyaratannya. Ini adalah informasi umum, bukan nasihat hukum. Sebelum Anda mengirim apa pun, periksa aturan yang berlaku bagi Anda dan bagi orang-orang dalam daftar, dan sediakan opsi berhenti berlangganan untuk pesan massal.

Kasus khusus

• Teks yang bukan alamat. String seperti [email protected] bisa ikut tercocokkan. Hapus semua yang diakhiri ekstensi file.
• Alamat dalam gambar. Baca tangkapan layar terlebih dahulu dengan alat gambar ke teks, lalu ekstrak dari hasilnya. panduan tangkapan layar dan foto menjelaskan cara mendapatkan hasil baca yang bersih.
• Karakter tersembunyi. Spasi tanpa lebar (zero-width space) di dalam alamat memutus pencocokan, sehingga alamat terlewat. Hapus karakter tersembunyi sebelum ekstraksi jika ada alamat yang sudah Anda ketahui tetapi tidak muncul. Panduan karakter tersembunyi menjelaskan dari mana karakter ini berasal.
• Alamat yang dikodekan. Beberapa halaman menyembunyikan alamat dalam entitas HTML seperti @ untuk @. Dekode teks halaman terlebih dahulu, jika tidak pola tidak akan melihat tanda @.
• Ekspor yang panjang. Untuk berkas besar, ekstrak ke dalam berkas lalu periksa jumlahnya dengan jumlah baris yang Anda perkirakan.

Jawaban singkat

Mengapa hasil ekstraksi email saya menyertakan titik di akhir?

Titik diizinkan di dalam domain, jadi pola yang menerima titik bisa ikut mengambil titik yang mengakhiri kalimat. Hapus satu titik di akhir setiap hasil.

Apakah ada alat yang bisa menemukan alamat yang ditulis "name at example dot com"?

Tidak bisa diandalkan tanpa langkah penggantian. Ubah kata-kata menjadi simbol lebih dulu, tetapi hanya di bagian yang jelas merupakan alamat, agar kalimat biasa tidak ikut berubah.

Apakah legal mengirim email ke setiap alamat yang saya ambil dari halaman web?

Itu bergantung pada lokasi Anda dan penerima, serta isi pesannya. Aturan anti-spam dan privasi berlaku, jadi periksa dulu. Ini adalah informasi umum, bukan nasihat hukum.