Estrai link da testo

Quali link riconosce lo strumento

Vengono presi gli indirizzi che cominciano con http://, https:// o ftp://, e quelli scritti senza protocollo che cominciano con www. seguito da un dominio, come www.esempio.it: nei testi la gente li scrive così, ed erano quelli che mancavano. Un nome di file come relazione.pdf non comincia con www e resta fuori.

La punteggiatura attaccata alla fine (il punto che chiude la frase, le virgole, i due punti) viene tolta, e una parentesi di chiusura si toglie solo se l'indirizzo non l'ha aperta: in (vedi https://sito.it/pagina) resta fuori, mentre un indirizzo di Wikipedia che finisce con Roma_(città) resta intero. Le virgolette, anche quelle curve dei documenti di Word, chiudono il link, mentre l'apostrofo fra due lettere resta dentro, come nelle pagine su L'Aquila o Sant'Angelo.

Duplicati e domini: come leggere i contatori

I doppioni vengono tolti mantenendo l'ordine di apparizione, senza guardare le maiuscole del protocollo e del dominio, che per il web non contano: HTTPS://Sito.IT/a e https://sito.it/a sono lo stesso indirizzo. Il resto si confronta com'è scritto, quindi https://sito.it/pagina e https://sito.it/pagina/ restano due indirizzi distinti, e un link scritto con www. resta diverso dallo stesso link scritto con http://, perché del primo il protocollo non si sa.

Il contatore dei siti raggruppa i link per dominio, ignorando il prefisso www: utile per capire al volo quante fonti diverse cita un articolo, controllare i link di una newsletter prima dell'invio o fare l'inventario dei riferimenti di una tesi.

Lo stesso testo, cinque cose da cercare

Sopra il riquadro ci sono cinque pulsanti, e lo stesso testo si passa anche per gli altri tipi con le stesse regole: Estrai email da testo, Estrai hashtag, Estrai menzioni e Estrai numeri di telefono.

Lo stesso testo con lo stesso pulsante dà lo stesso elenco su tutte e cinque le pagine.