Slik henter du ut alle e-postadresser og lenker fra rotete tekst

For å hente ut alle e-postadresser fra en rotete side eller eksport, bruk et mønster som matcher formen til en adresse, og rydd deretter bort tegnsettingen som står inntil den. Et enkelt mønster tar med punktum eller komma på slutten av en setning, og det bommer på adresser som er skrevet på en skjult måte. Regn med å sjekke listen for hånd før du bruker den.

Hent ut e-postadresser og lenkerHente e-postadresser fra en sideGjør det gratis

Hvorfor enkle mønstre går galt

Et vanlig mønster er en rekke tegn uten mellomrom, et @-tegn og en ny rekke tegn uten mellomrom. Det er lett å skrive, og det har to feil.

Det tar for mye med. I setningen «Kontakt [email protected], eller [email protected].» gir mønsteret «\S+@\S+» resultatet «[email protected],» med komma, og «[email protected].» med punktum. Dette er ikke gyldige adresser i listen din, og en utsending av masse-e-post eller et spamfilter vil avvise dem.

Det tar for lite med. Adresser skrevet som «ana [at] eksempel [dot] no» eller «ana at eksempel dot no» blir ikke funnet i det hele tatt. Skribenter bruker denne skrivemåten for å unngå skraping, og noen sider bruker den av samme grunn. Erstatt ordene først, og hent deretter ut.

Et bedre mønster tillater bare de tegnene en adresse kan inneholde på venstre side, og bare et domene med bokstaver på høyre side. Mønsteret «[\w.+-]+@[\w-]+\.[\w.-]+» er et rimelig utgangspunkt. Likevel kan det beholde et punktum etter domenet når adressen avslutter en setning, fordi siste del av domenet tillater punktum. Fjern ett avsluttende punktum fra hvert treff. Verktøyet hent ut e-poster og lenker fjerner allerede avsluttende tegnsetting, så dette steget betyr mest når du skriver ditt eget mønster.

Slik ser resultatet ut for de to eksemplene over:

• «Skriv til [email protected].» gir «[email protected].» med avsluttende punktum, som må fjernes.
• «Kontakt [email protected], eller [email protected].» gir «[email protected]» og «[email protected].», så den samme rensingen gjelder.

Lenker oppfører seg på samme måte

URL-er har det samme problemet. En lenke på slutten av en setning har ofte et punktum, komma eller en avsluttende parentes. En lenke inne i parenteser, for eksempel (se https://eksempel.no/side), kan få med seg avsluttende parentes hvis mønsteret er grådig. Rydd bort avsluttende tegnsetting, og kontroller deretter at hver lenke åpnes i nettleseren.

Lenker kan også være relative, for eksempel /kontakt, og de vil en uthenting av e-postadresser ignorere. Bestem om du bare trenger absolutte adresser, og si fra om det når du kjører uthentingen.

Steg som fungerer på de fleste eksporter

1. Erstatt skjulte former først, med søk og erstatt: «[at]» blir @ og «[dot]» blir punktum, men bare der du kan se at teksten er en adresse.
2. Lim inn teksten, eller HTML-kildekoden til siden, i Tekst eller HTML i uthentingsverktøyet. Adresser og lenker plukkes ut, og avsluttende tegnsetting fjernes.
3. Behold Fjern duplikater avkrysset. Den ignorerer store og små bokstaver i e-postadresser, så [email protected] og [email protected] telles én gang. For en liste du allerede har, gjør fjern duplikate linjer den samme jobben.
4. Kryss av for Sorter A→Å hvis du vil ha listen i alfabetisk rekkefølge.
5. Les gjennom den endelige listen. Se etter verdier som ikke er adresser, for eksempel bildefilnavn som tilfeldigvis inneholder et @-tegn.

Et eksempel: en side inneholder «Salg: [email protected]», «[email protected].» og «Support: [email protected]». Uthentingen gir tre treff. Etter at punktumet er fjernet og duplikater er fjernet uten hensyn til store og små bokstaver, blir resultatet to adresser: [email protected] og [email protected]. Hvis du vil ha listen i rekkefølge, kryss av for Sorter A→Å i uthentingsverktøyet, eller bruk sorter linjer.

Hold listen ryddig og lovlig

E-postadresser er personopplysninger mange steder, og det finnes regler mot spam i mange land. Å samle inn en adresse fra en offentlig side gir ikke automatisk lov til å sende e-post til den. Regler som EUs personvernforordning (GDPR) og den amerikanske CAN-SPAM-loven er to kjente eksempler, og de stiller ulike krav. Dette er generell informasjon, ikke juridisk rådgivning. Før du sender noe, sjekk reglene som gjelder for deg og for personene på listen, og behold en avmeldingsmulighet for masseutsendelser.

Spesialtilfeller

• Tekst som ikke er en adresse. Strenger som [email protected] kan bli funnet. Fjern alt som slutter med en filendelse.
• Adresser i et bilde. Les et skjermbilde først med verktøyet for bilde til tekst, og hent deretter ut fra resultatet. Veiledningen om skjermbilder og bilder forklarer hvordan du får en ren lesning.
• Skjulte tegn. Et nullbreddemellomrom inne i en adresse bryter treffet, slik at adressen blir oversett. Fjern skjulte tegn før uthenting hvis en kjent adresse mangler. Veiledningen om skjulte tegn forklarer hvor de kommer fra.
• Kodede adresser. Noen sider skjuler adresser i HTML-entiteter som @ for @. Dekod sidens tekst først, ellers ser ikke mønsteret @-tegnet.
• Lange eksporter. For store filer henter du ut til en fil og sjekker antallet mot antall linjer du forventer.

Raske svar

Hvorfor har e-postuthentingen mitt et punktum på slutten?

Et punktum er tillatt inne i et domene, så et mønster som godtar punktum kan fange det som avslutter en setning. Fjern ett avsluttende punktum fra hvert treff.

Kan et verktøy finne adresser skrevet som «navn at eksempel dot no»?

Ikke pålitelig uten et erstatningssteg. Gjør ordene om til symboler først, men bare der teksten tydelig er en adresse, slik at vanlige setninger ikke endres.

Er det lovlig å sende e-post til alle adresser jeg henter ut fra en nettside?

Det avhenger av hvor du og mottakerne er, og av hva meldingen handler om. Regler for spam og personvern gjelder, så sjekk dem først. Dette er generell informasjon, ikke juridisk rådgivning.