Herramienta de filtrado y procesamiento por lotes de URL

Extrae URL por lotes de texto TXT, filtra y elimina duplicados por dominio, sufijo y protocolo.

Modo de ejecución en navegador: Tus datos se procesan en tu navegador y no se suben al servidor.

Velocidad y estabilidad: La velocidad de procesamiento depende de tu dispositivo y navegador. Para lotes grandes, la versión de escritorio puede ser más estable.

Cargando herramienta, espera...

Si la herramienta en línea no carga o no se ejecuta, prueba la herramienta de escritorio. https://tools.yikeaigc.com/

Uso de herramientas

Volver a la versión anterior

Completa primero los ajustes de filtro y salida antes de procesar. El contenido solo se lee, analiza y empaqueta en esta página; al seleccionar en lote se muestran los primeros 20, pero se procesan todos los archivos seleccionados.

Sin datos seleccionados Reglas predeterminadas Salida predeterminada

1Seleccionar TXT o archivo de texto

Haz clic para elegir archivos o arrástralos aquí Admite TXT, CSV, LOG, HTML, JSON y otros archivos de texto; también puedes elegir una carpeta para lectura por lotes.

Si eliges varios archivos, la vista previa solo muestra los primeros 20; el procesamiento y empaquetado incluirán todos.

2Resumen de archivos

Archivos seleccionados0

Tamaño de archivo0 KB

Cantidad mostrada0

Modo de fuenteArchivo

Elige archivos, pega texto con URL o carga datos de ejemplo.

3Pegar lista de URL

4Datos de ejemplo

1Modo de análisis y salida

Modo de extracción

Para texto mixto, elige “Extraer todas las URL”.

Codificación de texto

Filtro de protocolo

Dominio raízexample.com Dominio completowww.example.com Protocolo + dominiohttps://www.example.com URL completaConservar ruta; parámetros configurables Fragmento originalTexto original extraído Sufijo de dominiocom / com.cn

2Reglas de sufijo y host

Filtro de sufijos

Sufijo personalizado

Sufijos comunes

Requiere sufijo de dominioFiltrar hosts locales como localhost Conservar direcciones IPAdmite hosts IPv4 / IPv6 Quitar www. inicialUnificar formato al exportar dominios

3Palabras clave, rutas y duplicados

El dominio contiene palabras clave

El dominio excluye palabras clave

La ruta contiene palabras clave

Ámbito de duplicados

Criterio de deduplicación

Orden de resultados

1Estructura de archivos de salida

Modo de salida

La salida por archivo mantiene el nombre original; si se repite, añade números.

Formato de resultados

Separador multicolumna

Protocolo de salida

Parámetros de URL completa

Archivo de resultados vacío

2ZIP y archivos extra

Nombre del ZIP

Nombre del archivo combinado

Generar informe estadísticoFormato CSV, registra el recuento de cada archivo Generar fragmentos no reconocidosFacilita detectar URL no válidas Añadir BOM al CSVAyuda a hojas de cálculo a reconocer chino

Confirma que completaste la fuente de datos, los filtros y la salida. Al iniciar, se procesarán en esta página todos los archivos seleccionados y se generará un ZIP para descargar.

Esperando proceso0%

Escanear archivo0

URL encontradas0

Coincidencias0

Duplicados eliminados0

Archivo de salida0

Vista previaResultado

Sin procesar

N.º	Archivo de origen	Contenido de salida	Sufijo	Estado
Aún no procesado. Completa la configuración y haz clic en iniciar.

Instrucciones

Instrucciones de uso del software

Seleccionar fuente de datos: En la página “Fuente de datos”, selecciona archivos de texto como TXT, CSV o LOG; también puedes seleccionar una carpeta, pegar una lista de URL o cargar datos de ejemplo para probar el flujo.
Configurar el método de análisis:
- Extraer todas las URL del texto: adecuado para contenido mixto como registros, código fuente de páginas web o fragmentos JSON.
- Procesar una URL por línea: adecuado para listas de URL ya organizadas.
Seleccionar contenido de salida: Puedes elegir tipos de resultado como dominio raíz, dominio completo, protocolo + dominio, URL completa, fragmento original o sufijo de dominio.
Configurar reglas de filtrado:
- Filtro de sufijos: Permite conservar o excluir solo sufijos de dominio como .com, .cn, .com.cn o .co.uk.
- Filtro de protocolo: Puedes no limitar el protocolo, o conservar solo HTTP o HTTPS.
- Filtro de palabras clave: Permite filtrar según si el dominio contiene palabras clave, si el dominio las excluye o si la ruta contiene palabras clave.
- Configuración de deduplicación: Admite deduplicación global, deduplicación dentro de cada archivo o conservar resultados duplicados.
Configurar método de salida: Puedes generar la salida por archivo manteniendo el nombre original, generar carpetas según el tipo de resultado o combinar todo en un único archivo de resultados.
Iniciar procesamiento y descargar: Ve a la página “Procesar y descargar”, haz clic en “Iniciar procesamiento” y, al finalizar, haz clic en “Descargar resultado ZIP” para guardar los archivos procesados.

Preguntas frecuentes

Respuesta: Dominio raíz es el dominio principal, como example.com; dominio completo conserva subdominios como www, blog o shop; dominio con protocolo conserva http o https, por ejemplo https://www.example.com.

Respuesta: Las causas comunes incluyen formato incompleto, niveles de dominio insuficientes, caracteres anómalos, protocolo distinto de HTTP/HTTPS, o filtrado por reglas de sufijo, palabra clave o protocolo. Puedes marcar “Generar fragmentos no reconocidos” para ver el archivo de diagnóstico.

R: Puedes marcar directamente los sufijos comunes, o introducir .com, .net, .com.cn y otros en los sufijos personalizados. Separa varios sufijos con comas, punto y coma o saltos de línea.

R: Al generar la salida archivo por archivo, se conservará el nombre original. Si varios archivos tienen el mismo nombre, el sistema añadirá un número al final, por ejemplo list.txt, list(2).txt, para evitar que los resultados se sobrescriban entre sí.

R: Si necesitas depurar varios archivos de forma unificada, elige “Eliminación de duplicados global”; si quieres que cada archivo conserve su propio conjunto de resultados, elige “Eliminar duplicados dentro de cada archivo”; si necesitas conservar la frecuencia o los registros duplicados originales, elige “No eliminar duplicados”.

R: No. El contenido de los archivos se lee, filtra y empaqueta en la página actual; no se sube al servidor, por lo que es adecuado para procesar datos que contienen enlaces internos, fragmentos de registro o listas de sitios.

Respuesta: De forma predeterminada, incluye los resultados procesados generados con el nombre del archivo original y un informe estadístico. Si se activa “fragmentos no reconocidos”, también se generarán archivos de diagnóstico adicionales que registran los fragmentos de URL que no se pudieron analizar y los motivos.