ईमेल एक्सट्रैक्टर — किसी भी टेक्स्ट से संपर्क जानकारी निकालें
ईमेल और संपर्क विवरण निकालने वाला टूल
ईमेल पते — 2
- hello@example.com
- sales@wrightkit.com
| ईमेल | 2 |
| URL | 2 |
| फ़ोन नंबर | 2 |
| आईपी पते | 1 |
| सोशल हैंडल | 1 |
| कुल अलग-अलग प्रविष्टियाँ | 8 |
निकालने की पूरी प्रक्रिया आपके ब्राउज़र में ही चलती है, इसलिए चिपकाया गया टेक्स्ट कभी पेज से बाहर नहीं जाता। ईमेल और URL में मौजूद संख्याएँ फ़ोन नंबर की सूची में शामिल नहीं होतीं, और डुप्लिकेट एकीकृत कर दिए जाते हैं। पैटर्न मिलान संदर्भ नहीं पढ़ सकता: नौ अंकों का ऑर्डर नंबर बिल्कुल फ़ोन नंबर जैसा दिखता है, इसलिए उस पर भरोसा करने से पहले परिणाम जाँच लें।
क्या है
रेगुलर एक्सप्रेशन (regexp) टेक्स्ट के आकार को बताने के लिए बनी एक छोटी भाषा है। यह कह सकती है कि "कुछ अक्षर, फिर एक at चिह्न, फिर एक बिंदु वाला डोमेन" या "बिंदु से अलग किए गए चार समूह जिनमें एक से तीन अंक हों", और यह एक मेगाबाइट टेक्स्ट को मिलीसेकंडों में देख सकती है। यह नहीं समझ सकती कि 4155550132 फ़ोन नंबर है या ऑर्डर नंबर, कि example.com जवाब देता है या नहीं, या कि व्यक्ति को संपर्क करने की अनुमति है या नहीं। यह सिर्फ़ आकार पहचानती है, और निकालने का सारा कठिन काम आकार और अर्थ के बीच की इसी ख़ाली जगह में रहता है। ईमेल पते के मामले में यह ख़ाली जगह सबसे चौड़ी है। RFC 5322 एक पते को "स्थानीय भाग, at चिह्न, डोमेन" के रूप में परिभाषित करता है, और कोट में बंधा स्थानीय भाग, कोष्ठक में टिप्पणियां, user@[192.168.0.1] जैसे IP-आधारित डोमेन, तथा कोट वाली स्ट्रिंग में लगभग कोई भी अक्षर स्वीकार करता है। सही तरीके से जांच करने के लिए उस व्याकरण का बहुत बड़ा हिस्सा लागू करना पड़ता है, इसलिए व्यावहारिक टूल एक समझौता करते हैं: वे केवल एक रूढ़िवादी उप-समुच्चय से मेल खाते हैं और मान लेते हैं कि कुछ वैध पते छूट जाएंगे। यहाँ इस्तेमाल होने वाला पैटर्न स्थानीय भाग से ठीक पहले आने वाले अक्षर पर सीमा लगाता है और डोमेन में बिंदु से अलग कम से कम एक लेबल माँगता है, जिससे वास्तविक पते का बड़ा भाग पकड़ में आता है और @उपयोगकर्ता जैसी चीज़ें या चेंजलॉग में अकेला खड़ा @ चिन्ह छूट जाता है। निर्मित-नासेब एक्सट्रैक्टर की क्लासिक गलती वाक्य के अंत का चिह्न भी अंदर खींच लेना है। "अक्षर, at, अक्षर, बिंदु, अक्षर" वाला पैटर्न "कृपया support@example.com पर लिखें।" पर लगाने पर वह खुशी-खुशी support@example.com. लौटा देता है, अंतिम बिंदु सहित। जो भी स्क्रैपर लिखा है, इससे टकराया है, और नतीजा ऐसे पतों से भरा इनबॉक्स है जो बिंदु, अल्पविराम या कोष्ठक पर ख़त्म होते हैं। इलाज़ अंत में लगाई गई सीमा-जांच है, जो मिलान को आगे बढ़ते अक्षर या बिंदु में फैलने से रोकती है, साथ में URL के मिलान की सफ़ाई भी की जाती है, क्योंकि वहां बंद कोष्ठक वैध हो सकता है जबकि वाक्य का बिंदु कभी नहीं। फ़ोन नंबर और कठिन हैं, और एक कदम भ्रम पैदा करने वाला है: ईमेल या URL के भीतर बैठे अंकों को नंबर खोजने से पहले छिपा देना पड़ता है। support+sales42@company.com या https://example.com/invoice/20240115 लीजिए — दोनों में ऐसे अंक-खंड हैं जो हर यथार्थवादी फ़ोन पैटर्न को पसंद आ जाएंगे। इसे टालने का तरीका यह है कि फ़ोन पैटर्न चलाने से पहले उन हिस्सों को उतनी ही लंबाई के रिक्त स्थानों से भर दिया जाता है, जिससे टेक्स्ट के बाकी अक्षरों की स्थिति बनी रहती है और कहीं और मिलान प्रभावित नहीं होता। फिर भी गलत सकार्य मिटने का नाम नहीं लेता। नौ अंकों का ऑर्डर नंबर, ग्राहक आईडी, 20240115120000 जैसा टाइमस्टैम्प, A12345678901 जैसा प्रोडक्ट कोड — सबके आकार फ़ोन नंबर जैसे हैं और कोई भी फ़ोन नंबर नहीं है। रेगुलर एक्सप्रेशन फ़ैसला लेने के लिए आसपास के शब्द नहीं पढ़ सकती, इसीलिए निकली सूची अंतिम सूची नहीं बल्कि समीक्षा की शुरुआती बिंदु है। अंतरराष्ट्रीय प्रारूप चीज़ें और उलझाते हैं: प्लस वाला देश कोड, जिसे राष्ट्रीय नंबर में अनिवार्य रखा जाने वाला आरंभिक शून्य, बिंदु, स्पेस या हाइफ़न या कोष्ठक वाले विभाजक, और एक्सटेंशन। काम का समझौता यह है कि अंक गिनकर सिर्फ़ 7 से 15 अंक वाले मिलान रखे जाते हैं, जो सबसे छोटे राष्ट्रीय नंबर से लेकर सबसे लंबे E.164 नंबर तक को कवर करता है, और बिखरे दो-अंकीय नंबर तथा लंबे पहचान-कोड छोड़ देता है। IPv4 पते एकमात्र श्रेणी हैं जिन्हें सचमुच जांचा जा सकता है, क्योंकि उनका आकार तय है: बिंदु से अलग किए गए चार दशमलव ऑक्टेट, हर एक 0 से 255 के बीच, और आधुनिक विनिर्देश में आरंभिक शून्य नहीं। पैटर्न मुक्त अंकों की तलाश के बजाय ऑक्टेट दर ऑक्टेट मेल खाता है, इसलिए 999.1.1.1 और 192.168.01.1 ठीक से अस्वीकृत हो जाते हैं, और सीमा-जांच उसे 1.2.3.4.5 जैसे संस्करण-अंक या IPv6 पते में से कोई टुकड़ा नोचने से रोकती है। सोशल हैंडल और भी आसान हैं, पर उन्हें @ और # की नकारात्मक पिछली-दृष्टि चाहिए, वरना किसी ईमेल पते का अपना स्थानीय भाग एक बेहतर हैंडल बन जाएगा। चूँकि इनमें से किसी भी चीज़ के लिए टेक्स्ट किसी और के सर्वर पर भेजना नहीं चाहिए, यह सब पेज में चलने वाला सादा JavaScript है: कोई अपलोड नहीं, कोई कतार नहीं, कोई खाता नहीं। इस फ़ैसले की कीमत यह है कि काम की सीमा उस टेक्स्ट तक सीमित रहती है जितना ब्राउज़र आराम से पकड़ सकता है।
कैसे उपयोग करें
- कार्ड के ऊपर बड़े टेक्स्ट बॉक्स में अपना टेक्स्ट चिपकाएं या टाइप करें। कार्ड में एक नमूना अनुच्छेद पहले से मौजूद है जिसमें ईमेल, लिंक, फ़ोन नंबर, एक IP और एक हैंडल है, ताकि अपना डेटा डालने से पहले आउटपुट का आकार देख सकें।
- टेक्स्ट बॉक्स के नीचे पांच श्रेणी बटन देखिए: Emails, URLs, Phone numbers, IP addresses और Social handles। हर बटन कोष्ठक में लाइव गिनती दिखाता है जो टाइप करते ही बदलती है, यानी ये टैब टेक्स्ट के सही चिपकने की तेज़ जांच का काम भी करते हैं।
- Emails टैब खोलकर सभी मिले हुए पते देखिए। डुप्लीकेट मिला दिए जाते हैं, इसलिए दस बार लिखा गया पाना भी सिर्फ़ एक बार दिखेगा, और टैब के नीचे दिखने वाला शीर्षक उस श्रेणी का कुल दोबारा बताता है।
- उसी तरह URLs, Phone numbers, IP addresses या Social handles पर टैब बदलिए। हर टैब या तो बिना डुप्लीकेट की सूची दिखाता है या यह संदेश कि इस प्रकार का कुछ नहीं मिला, और यही फ़र्क़ जल्दी बता देता है कि आईटम सचमुच नहीं है या टेक्स्ट का प्रारूप ही सही नहीं है।
- कार्ड के नीचे दी गई सारांश तालिका पढ़िए। इसमें पांचों श्रेणियों की गिनती और मोटे अक्षरों में Total unique items वाली पंक्ति है, और नतीजा बताते समय इसी आंकड़े का हवाला देना ठीक रहता है।
- सूची में से कोई मान चुनकर सीधे कॉपी कीजिए, या आगे की प्रोसेसिंग के लिए टेक्स्ट किसी स्प्रेडशीट कॉलम में चिपका दीजिए। चूँकि कुछ भी पेज से बाहर नहीं जाता, असली संपर्क जानकारी वाले टेक्स्ट के साथ भी यह सुरक्षित है।
उदाहरण
इनपुट: Reach the team at hello@example.com or ping sales@wrightkit.com for pricing.
प्रक्रिया:
ईमेल पैटर्न लागू होता है, डोमेन में बिंदु अनिवार्य, डुप्लीकेट मिला दिए जाते हैं, और सीमा-जांच अंतिम बिंदु को अस्वीकार करती हैपरिणाम: ईमेल (2): hello@example.com, sales@wrightkit.com
इनपुट: Docs: https://wrightkit.com/guides and http://example.org/docs?page=2 — office line +1 (415) 555-0132.
प्रक्रिया:
URL मिलान लंबी डैश से पहले रुकता है, वाक्य का बिंदु साफ़ किया जाता है, फिर लिंक के अंक छिपाकर फ़ोन पैटर्न चलाया जाता हैपरिणाम: URL (2): https://wrightkit.com/guides, http://example.org/docs?page=2 | फ़ोन (1): +1 (415) 555-0132
इनपुट: Server 192.168.1.10 handles uploads. Order 4155550132 shipped. Follow @wrightkit.
प्रक्रिया:
IPv4 हर ऑक्टेट की अलग-अलग जांच होती है, नौ अंकों का ऑर्डर नंबर 7 से 15 के बीच आकर बचा रहता है, हैंडल @ की नकारात्मक पिछली-दृष्टि से मिलता हैपरिणाम: IP (1): 192.168.1.10 | फ़ोन (1): 4155550132 (जांच लें — यह ऑर्डर नंबर हो सकता है) | हैंडल (1): @wrightkit
इनपुट: 300 शब्दों की रिप्लाई में hello@example.com दो बार, और अमान्य IP 10.0.0.256
प्रक्रिया:
एक जैसे मिलान एक पंक्ति में घुल जाते हैं, और सीमा से बाहर वाला IPv4 ऑक्टेट जांच में फ़ेल हो जाता है इसलिए कुछ सूचीबद्ध नहीं होतापरिणाम: ईमेल (1): hello@example.com | IP (0): 10.0.0.256 अस्वीकृत — एक ऑक्टेट 255 से ऊपर है
संबंधित खोजें
लोग यह भी खोजते हैं: ईमेल एक्सट्रैक्टर, टेक्स्ट से ईमेल निकालें, ईमेल खोजने का टूल, ब्लॉक में ईमेल ढूंढें, फ़ोन नंबर निकालना, टेक्स्ट से फ़ोन नंबर।
ईमेल एक्सट्रैक्टरटेक्स्ट से ईमेल निकालेंईमेल खोजने का टूलब्लॉक में ईमेल ढूंढेंफ़ोन नंबर निकालनाटेक्स्ट से फ़ोन नंबरURL निकालने का तरीकाआईपी पता खोजेंसोशल हैंडल ढूंढेंट्विटर हैंडल खोजेंरेगुलर एक्सप्रेशन टूलसंपर्क विवरण निकालनाटेक्स्ट साफ़ करनाबल्क ईमेल सूचीमुफ्त ऑनलाइन टूलटेक्स्ट विश्लेषणवेब डेटा स्क्रैपिंगब्राउज़र में टेक्स्ट प्रोसेसिंग
अक्सर पूछे जाने वाले प्रश्न
क्या यह मेरे टेक्स्ट की हर ईमेल पते ढूंढ लेगा?
कोई भी एक्सट्रैक्टर ऐसा वादा नहीं कर सकता, और इसकी ईमानदार वजह पते के व्याकरण का आकार है, कोई बग नहीं। RFC 5322 कोट में बंधा स्थानीय भाग, कोष्ठक में IP डोमेन और टिप्पणी वाक्य-विचार को स्वीकार करता है, यानी जो पैटर्न सब कुछ पहचान ले, वह बेकार बातें भी पहचान लेगा। यह टूल उस रूढ़िवादी उप-समुच्चय से मेल खाता है जो वास्तविक जीवन में पाया जाता है और असामान्य रूपों को जानबूझकर छोड़ देता है। अगर डेटा आपके पास है, तो टेक्स्ट विश्लेषण की बजाय स्रोत सिस्टम से सीधे निर्यात लेना कहीं ज़्यादा भरोसेमंद है।
ईमेल और URL के अंक फ़ोन नंबर के रूप में क्यों नहीं दिखते?
क्योंकि फ़ोन पैटर्न चलने से पहले उन हिस्सों को उतनी ही लंबाई के रिक्त स्थानों से भर दिया जाता है, जिससे उनके अंक मिलानकर्ता तक पहुँचते ही नहीं, जबकि बाकी अक्षर अपनी जगह बनाए रहते हैं। इस कदम के बिना support+सales42@company.com जैसा पता या 20240115 पर ख़त्म होता इनवॉइस लिंक नकली फ़ोन नंबर बन जाता, क्योंकि सही लंबाई का कोई भी अंक-खंड नंबर जैसा ही दिखता है। यही छिपाने वाला तर्क वर्ज़न नंबर और रेफ़रेंस कोड को भी फ़ोन सूची से बाहर रखता है।
मेरा नौ अंकों का ऑर्डर नंबर फ़ोन नंबर के रूप में क्यों दिख रहा है?
क्योंकि पैटर्न मिलान आकार देखता है, अर्थ नहीं। नौ अंकों का ऑर्डर नंबर और नौ अंकों का मोबाइल नंबर रेगुलर एक्सप्रेशन के लिए एक ही स्ट्रिंग होते हैं, और दोनों में फ़र्क़ करने के लिए आसपास के शब्द समझने पड़ते हैं जो पैटर्न नहीं कर सकता। एक्सट्रैक्टर 7 से 15 अंक वाले मिलान रखता है ताकि राष्ट्रीय और अंतरराष्ट्रीय दोनों प्रारूप काम करें, और इसमें जानबूझकर अधिकांश ऑर्डर नंबर भी शामिल हो जाते हैं। सूची को आसपास के संदर्भ के साथ जांचकर ही आगे बढ़ाइए, या टेक्स्ट इस तरह बांटिए कि पहचान संख्याएं संपर्क विवरण से अलग रहें।
फ़ोन टैब कौन-से नंबर प्रारूप पहचानता है?
यह वे आकार संभालता है जो असली टेक्स्ट में सबसे ज़्यादा मिलते हैं: प्लस वाला वैकल्पिक देश कोड, कोष्ठक में रखा वैकल्पिक क्षेत्र कोड, औरस्पेस, बिंदु या हाइफ़न से अलग किए गए अंकों के समूह। मिलान के बाद अंकों की गिनती करके छँटाई होती है और 7 से 15 अंक वाले रखे जाते हैं, जिससे छोटे राष्ट्रीय नंबर और लंबे अंतरराष्ट्रीय नंबर दोनों बचते हैं और बिखरे छोटे नंबर गायब हो जाते हैं। असामान्य विभाजक वाले प्रारूप या लिखे हुए देश के नाम वाले प्रारूप नहीं मिलेंगे, और न ही समूह के बीच में लाइन ब्रेक वाले नंबर।
क्या यह IPv4 पते संभालता है और IPv6 के नकली मिलान से बचाता है?
IPv4 की मेलिंग सख़्त है, जो इसलिए संभव है क्योंकि प्रारूप तय है: बिंदु से अलग किए गए चार दशमलव ऑक्टेट, हर एक 0 से 255 के बीच। 255 से ऊपर की कोई संख्या या गलत संख्या में ऑक्टेट अस्वीकार कर दिए जाते हैं, इसलिए 999.1.1.1 को अनदेखा किया जाता है। सीमा-जांच यह भी रोकती है कि पैटर्न किसी लंबे बिंदु-युक्त स्ट्रिंग — जैसे संस्करण संख्या — में से कोई टुकड़ा नोच न ले, और यही नकली IP नतीजों का आम कारण है। IPv6 पते बिल्कुल मेल नहीं खाते और केवल तब दिखते हैं जब किसी लिंक का हिस्सा हों, तब वे URL टैब में आते हैं।
क्या मेरा चिपकाया गया टेक्स्ट सर्वर पर अपलोड होता है?
नहीं। पैटर्न आपके ब्राउज़र टैब में JavaScript के रूप में चलते हैं, यानी टेक्स्ट बॉक्स से पढ़ा जाता है और कभी भेजा, लॉग या स्टोर नहीं होता। इस टूल के मुख्य उपयोग के लिए यह बात ख़ास तौर पर अहम है, क्योंकि चिपकाया गया टेक्स्ट अक्सर सपोर्ट थ्रेड या ग्राहक रिकॉर्ड होता है जिसमें व्यक्तिगत डेटा भरा होता है। क्लाइंट साइड चलने का एकमात्र व्यावहारिक असर यह है कि बहुत बड़ा इनपुट उस सीमा तक सीमित रहता है जो ब्राउज़र पेज आराम से समेट सकता है, न कि किसी नेटवर्क राउंड ट्रिप की।
क्या सोशल मीडिया हैंडल भी निकाले जा सकते हैं?
हाँ, Social handles टैब उन मानों को जुटाता है जो @ से शुरू होकर उसके बाद एक अक्षर और अधिकतम तीस अक्षर-अंक या अंडरस्कोर आते हैं, जो प्रमुख नेटवर्क्स की नामकरण नियमों को कवर करता है। नकारात्मक पिछली-दृष्टि यह सुनिश्चित करती है कि ईमेल पते के शुरुआती @ से कोई बनावटी हैंडल न बने, और डुप्लीकेट बाकी सब श्रेणियों की तरह ही मिला दिए जाते हैं। ध्यान रखिए कि हैंडल सिर्फ़ हैंडल होता है: यह नहीं बताता कि अकाउंट किस नेटवर्क पर है, और उसे कोई भी दावा कर सकता है।