Extracteur d'emails — Sortez contacts, liens et IP de n'importe quel texte

Ce Qui Est

Une expression régulière est un petit langage destiné à décrire la forme d'un texte. Elle peut dire « des caractères, puis un arobase, puis un domaine contenant un point » ou « quatre groupes d'un à trois chiffres séparés par des points », et le faire sur un mégaoctet en quelques millisecondes. Ce qu'elle ne peut pas faire, c'est comprendre le sens : une expression régulière ignore si 4155550132 est un téléphone ou un numéro de commande, si example.com répond, ou si la personne a consenti à être contactée. Elle reconnaît des formes, et toute la difficulté de l'extraction se loge précisément dans cet écart entre la forme et le sens. C'est avec les adresses e-mail que cet écart est le plus large. La RFC 5322 définit une adresse comme une partie locale, un arobase et un domaine, et elle autorise une partie locale entre guillemets, des commentaires entre parenthèses, des domaines littéraux sous forme d'adresse IP comme user@[192.168.0.1], et pratiquement n'importe quel caractère dans une chaîne entre guillemets. Valider correctement une adresse revient donc à implémenter une bonne part de cette grammaire, si bien que les outils pratiques passent un compromis : ils ne reconnaissent qu'un sous-ensemble prudent et admettent que quelques adresses valides passent à côté. Le motif utilisé ici ancre la correspondance sur le caractère qui précède la partie locale et exige au moins une étiquette séparée par un point dans le domaine, ce qui capte l'immense majorité des adresses réelles tout en écartant des choses comme un pseudo @utilisateur ou un arobase isolé dans un journal de modifications. L'erreur classique d'un extracteur naïf consiste à avaler la ponctuation finale de la phrase.

Un motif du type « caractères, arobase, caractères, point, caractères » appliqué à « Écrivez-nous à support@exemple.fr. » renvoie gaiement support@exemple.fr. avec le point. Tout le monde qui a écrit un scraper est tombé dessus, et le résultat est une boîte de réception pleine d'adresses terminées par un point, une virgule ou une parenthèse. Le remède est une assertion de limite à la fin, qui refuse d'étendre la correspondance vers un caractère de mot ou un point, plus un passage de nettoyage pour les URL, où une parenthèse fermante peut être légitime alors qu'un point de fin de phrase ne l'est jamais. Les numéros de téléphone sont plus difficiles, et une étape est contre-intuitive : les chiffres situés à l'intérieur d'un e-mail ou d'une URL doivent être masqués avant de chercher des numéros. Prenons support+ventes42@entreprise.fr ou https://exemple.fr/facture/20240115 : les deux contiennent des suites de chiffres que tout motif de téléphone raisonnable accepte. La parade consiste à remplacer ces zones par des espaces de même longueur avant de lancer le motif, ce qui préserve la position de tous les autres caractères et ne perturbe donc pas les correspondances ailleurs dans le texte. Reste que les faux positifs sont incurables.

Un numéro de commande à neuf chiffres, un identifiant client, un horodatage comme 20240115120000 ou un code produit du type A12345678901 ont tous la silhouette d'un téléphone sans en être un. Une expression régulière ne peut pas lire les mots environnants pour trancher, et c'est pourquoi le résultat est un point de départ à vérifier et non une liste définitive. Les formats internationaux aggravent le tableau : indicatif avec signe plus, numéro national dont le zéro initial doit être conservé, séparateurs points, espaces, tirets ou parenthèses, et extensions. Le compromis utilisable consiste à compter les chiffres et à ne garder que les correspondances de 7 à 15 chiffres, intervalle qui couvre du numéro national le plus court au numéro E.164 le plus long tout en écartant les petits nombres isolés et les identifiants longs. Les adresses IPv4 forment la seule catégorie réellement validable, car leur forme est fixe : quatre octets décimaux séparés par des points, chacun entre 0 et 255, sans zéro initial dans la spécification actuelle. Le motif correspond octet par octet au lieu de chercher des chiffres libres, si bien que 999.1.1.1 et 192.168.01.1 sont correctement rejetés, et les assertions de bord empêchent d'arracher un fragment à une version du type 1.2.3.4.5 ou à une adresse IPv6. Les pseudos sociaux sont plus simples encore, mais ils exigent un regard négatif sur @ et # afin qu'une adresse e-mail ne produise jamais un pseudo tiré de sa propre partie locale. Comme rien de tout cela ne devrait exiger l'envoi de ton texte à un serveur, tout ici est du JavaScript exécuté dans la page : pas d'envoi, pas de file d'attente, pas de compte. Le prix de ce choix, c'est que le travail est borné par la taille de texte qu'un navigateur peut héberger sans peine.

Comment utiliser

1. Colle ou tape ton texte dans la grande zone de saisie en haut de la carte. Un paragraphe d'exemple est déjà fourni avec des e-mails, des liens, des téléphones, une IP et un pseudo, pour voir le rendu avant d'utiliser tes propres données.
2. Observe les cinq boutons de catégorie sous la zone de texte : Emails, URLs, Phone numbers, IP addresses et Social handles. Chacun affiche un compteur entre parenthèses mis à jour à mesure que tu écris, ce qui fait des onglets un contrôle rapide pour vérifier que le texte est bien collé en entier.
3. Ouvre l'onglet Emails pour voir toutes les adresses trouvées. Les doublons sont regroupés, donc une valeur citée dix fois n'apparaît qu'une fois, et le titre sous les onglets rappelle le total de cette catégorie.
4. Passe aux onglets URLs, Phone numbers, IP addresses ou Social handles de la même façon. Chaque onglet affiche soit la liste sans doublons, soit le message indiquant que rien de ce type n'a été trouvé, ce qui distingue vite « il n'y en a pas » d'un « le texte n'a pas le bon format ».
5. Lis le tableau de totaux au pied de la carte : il récapitule les cinq catégories avec leur nombre et une ligne en gras Total unique items, le chiffre à citer dans un compte rendu.
6. Sélectionne une valeur dans la liste et copie-la directement, ou colle le texte dans une colonne de tableur pour le traitement. Comme rien ne quitte la page, tu peux travailler sereinement avec des données de contact réelles.

Exemples

Recherches Connexes

Les gens recherchent aussi : extracteur d'emails, extraire des emails d'un texte, trouver des emails dans un texte, chercher des adresses mail, extracteur de téléphone, extraire des numéros de téléphone.

extracteur d'emailsextraire des emails d'un textetrouver des emails dans un textechercher des adresses mailextracteur de téléphoneextraire des numéros de téléphoneextracteur d'urlsextraire des liensextracteur d'adresses iptrouver une ip dans un textetrouver des pseudosexpression régulière extractionextraire des coordonnéesnettoyer des données texteoutil texte en ligneanalyseur de texte gratuitenrichir une liste de contactstraitement de texte navigateur

Questions Fréquemment Posées

Outils Associés

Outils Populaires