Ferramenta de filtragem e processamento em lote de URLs

Extraia URLs em lote de texto TXT, filtre e remova duplicatas por domínio, sufixo e protocolo.

Modo de execução no navegador: Seus dados são processados no navegador e não são enviados ao servidor.

Velocidade e estabilidade: A velocidade de processamento depende do seu dispositivo e navegador. Para trabalhos em lote grandes, a versão para desktop pode ser mais estável.

Carregando ferramenta, aguarde...

Se a ferramenta online não carregar ou executar, tente a ferramenta para desktop. https://tools.yikeaigc.com/

Uso da ferramenta

Voltar para a versão antiga

Conclua as configurações de filtro e saída antes de processar. O conteúdo dos arquivos é lido, analisado e compactado apenas nesta página; em lote, a interface mostra os 20 primeiros, mas o processamento inclui todos os arquivos selecionados.

Nenhum dado selecionado Regras padrão Saída padrão

1Selecionar TXT ou arquivo de texto

Clique para selecionar arquivos ou arraste-os aqui Compatível com TXT, CSV, LOG, HTML, JSON e outros arquivos de texto; também é possível selecionar pastas para leitura em lote.

Ao selecionar vários arquivos, a prévia mostra apenas os 20 primeiros; o processamento e o ZIP incluem todos.

2Visão geral dos arquivos

Arquivos selecionados0

Tamanho do arquivo0 KB

Qtd. exibida0

Modo da fonteArquivo

Selecione um arquivo, cole URLs ou carregue dados de exemplo.

3Colar lista de URLs

4Dados de exemplo

1Método de análise e saída

Modo de extração

Para texto misto, escolha “Extrair todas as URLs”.

Codificação do texto

Filtro de protocolo

Domínio raizexample.com Domínio completowww.example.com Protocolo + domíniohttps://www.example.com URL completaMantém o caminho; parâmetros configuráveis Trecho originalTexto original extraído Sufixo do domíniocom / com.cn

2Sufixos de domínio e regras de host

Modo de filtro de sufixo

Sufixo personalizado

Sufixos comuns

Exigir sufixo de domínioFiltrar hosts locais como localhost Manter endereços IPSuporta hosts IPv4 / IPv6 Remover www. inicialPadronizar formato ao gerar domínios

3Palavras-chave, caminhos e deduplicação

Domínio contém palavra-chave

Domínio exclui palavra-chave

Caminho contém palavra-chave

Escopo de deduplicação

Base da deduplicação

Ordenação dos resultados

1Estrutura dos arquivos de saída

Modo de saída

A saída por arquivo mantém o nome original; nomes duplicados recebem números automaticamente.

Formato dos resultados

Separador de colunas

Protocolo de saída

Parâmetros da URL completa

Arquivo de resultado vazio

2ZIP e arquivos extras

Nome do arquivo ZIP

Nome do arquivo combinado

Gerar relatório estatísticoFormato CSV, registra a quantidade de cada arquivo Gerar fragmentos não reconhecidosAjuda a verificar URLs inválidas Adicionar BOM ao CSVAjuda planilhas a reconhecer chinês

Confirme que concluiu a fonte de dados, os filtros e as configurações de saída. Ao iniciar, todos os arquivos selecionados serão processados nesta página e um pacote ZIP será gerado para download.

Aguardando processamento0%

Verificando arquivo0

URLs encontradas0

Elegíveis0

Remover duplicados0

Arquivo de saída0

PréviaResultado

Não processado

Nº	Arquivo de origem	Conteúdo de saída	Sufixo	Status
Ainda não processado. Conclua as configurações e clique em iniciar.

Instruções

Instruções de uso do software

Selecionar fonte de dados: na página “Fonte de dados”, selecione arquivos de texto como TXT, CSV, LOG etc.; você também pode selecionar uma pasta, colar uma lista de URLs ou carregar dados de exemplo para experimentar o fluxo.
Definir método de análise:
- Extrair todas as URLs do texto: adequado para conteúdos mistos como logs, código-fonte de páginas da web, trechos JSON etc.
- Processar uma URL por linha: adequado para listas de URLs já organizadas.
Selecionar conteúdo de saída: é possível escolher tipos de resultado como domínio raiz, domínio completo, protocolo + domínio, URL completa, trecho original, sufixo de domínio etc.
Configurar regras de filtragem:
- Filtro de sufixo: permite manter ou excluir apenas sufixos de domínio como .com, .cn, .com.cn, .co.uk etc.
- Filtro de protocolo: permite não restringir o protocolo ou manter apenas HTTP ou HTTPS.
- Filtro de palavras-chave: permite filtrar por domínio que contém, domínio que exclui ou caminho que contém palavras-chave.
- Configuração de remoção de duplicados: oferece suporte à remoção global de duplicados, remoção de duplicados dentro de um único arquivo ou manutenção de resultados duplicados.
Definir método de saída: é possível gerar a saída por arquivo mantendo o nome original, gerar por pastas de acordo com o tipo de resultado ou combinar tudo em um único arquivo de resultados.
Iniciar processamento e baixar: acesse a página “Processar e baixar”, clique em “Iniciar processamento” e, após a conclusão, clique em “Baixar resultados ZIP” para salvar os arquivos processados.

Perguntas frequentes

R: Domínio raiz é o domínio principal, como example.com; domínio completo mantém subdomínios como www, blog, shop etc.; domínio com protocolo mantém http ou https, por exemplo https://www.example.com.

R: Motivos comuns incluem formato incompleto, níveis de domínio insuficientes, presença de caracteres anormais, protocolo diferente de HTTP/HTTPS ou filtragem por regras de sufixo, palavra-chave ou protocolo. Você pode marcar “Gerar trechos não reconhecidos” para verificar o arquivo de diagnóstico.

Resposta: Você pode simplesmente marcar os sufixos comuns ou inserir .com, .net, .com.cn e outros nos sufixos personalizados. Separe vários sufixos por vírgulas, ponto e vírgula ou quebras de linha.

Resposta: Ao gerar a saída arquivo por arquivo, o nome original será mantido. Se vários arquivos tiverem o mesmo nome, o sistema adicionará um número ao final do nome do arquivo, por exemplo list.txt, list(2).txt, para evitar que os resultados se sobrescrevam.

Resposta: Escolha “remoção global de duplicados” quando precisar limpar vários arquivos de forma unificada; escolha “remoção de duplicados dentro de cada arquivo” quando quiser manter um resultado separado para cada arquivo; escolha “não remover duplicados” quando precisar manter a frequência ou os registros duplicados originais.

Resposta: Não. O conteúdo dos arquivos é lido, filtrado e compactado nesta página, sem ser enviado para o servidor. É adequado para processar dados que contêm links internos, trechos de logs ou listas de sites.

Resposta: Por padrão, inclui o resultado processado gerado com base no nome do arquivo original e um relatório estatístico. Se “fragmentos não reconhecidos” estiver ativado, também será gerado um arquivo adicional de verificação, registrando os fragmentos de URL que não puderam ser analisados e os motivos.