Extraer URLs de un texto
Extrae todos los enlaces de un texto, un correo o el código HTML de una página: obtienes la lista de URL sin duplicados, sin parámetros de seguimiento si lo deseas, y el recuento de enlaces por dominio.
Cómo extraer los enlaces
- Pega el texto. Si quieres los enlaces de una página web, abre su código fuente (Ctrl+U en la mayoría de navegadores), cópialo entero y pégalo aquí.
- Ajusta las opciones: quitar duplicados, limpiar parámetros de campañas, convertir «www.» en direcciones completas, ordenar o quedarte solo con los dominios.
- Usa el filtro para quedarte con un subconjunto: escribe
.pdfpara listar solo documentos o el nombre de un dominio para ver solo sus páginas. - Copia el resultado o descárgalo en CSV (URL y dominio en columnas) o TXT.
Todo el procesamiento se hace en tu navegador: el texto no se envía a ningún servidor.
Qué detecta y cómo limpia cada URL
Se reconocen las direcciones que empiezan por http://, https://, ftp:// o www., hasta el primer espacio, comilla o signo que no puede formar parte de una URL. Después se aplican estas correcciones:
- Puntuación final: el punto, la coma o el cierre de interrogación que siguen a un enlace en una frase no forman parte de él y se eliminan.
- Paréntesis equilibrados: en «(ver https://es.wikipedia.org/wiki/Utilidad_(economía))» se conserva el paréntesis que pertenece a la URL y se quita el que cierra la frase.
- Entidades HTML: en el código fuente el signo & aparece como
&; se convierte de nuevo en &. Si te encuentras otras entidades, decodifícalas con la herramienta de entidades HTML. - Parámetros de seguimiento: se quitan
utm_source,utm_medium,utm_campaigny demásutm_*, además defbclid,gclid,msclkideigshid. El resto de parámetros (comoid=3) se mantiene porque suele ser necesario.
Ejemplos
| En el texto | Resultado |
|---|---|
visita www.ejemplo.com/precios. | https://www.ejemplo.com/precios |
https://t.ejemplo.es/p?id=3&utm_source=boletin | https://t.ejemplo.es/p?id=3 |
(https://es.wikipedia.org/wiki/Utilidad_(economía)) | https://es.wikipedia.org/wiki/Utilidad_(economía) |
«https://ejemplo.com/a» | https://ejemplo.com/a |
ejemplo.com/contacto | No se detecta: le falta el protocolo o el «www.» |
Para qué sirve
- SEO y auditorías: lista los enlaces de un artículo para revisar a qué dominios enlaza y cuántas veces. Combínalo con el análisis de densidad de palabras clave del mismo texto.
- Recopilar fuentes: saca las referencias de un documento o de una conversación larga de chat.
- Limpiar enlaces para compartir: elimina los parámetros de campañas antes de reenviar una URL.
- Revisar correos sospechosos: pega el código del mensaje y comprueba a qué dominios apuntan realmente los botones. Para estudiar una URL concreta por partes (protocolo, host, ruta, parámetros) usa el analizador de URL.
Limitaciones: no se detectan dominios sueltos sin «www.» ni protocolo (ejemplo.com), porque se confundirían con nombres de archivo o frases con punto. Tampoco se resuelven las rutas relativas del HTML (/contacto/), ya que no se conoce el dominio base.
Si además necesitas las direcciones de correo del mismo texto, usa extraer emails; para limpiar listas largas, eliminar líneas duplicadas.
Preguntas frecuentes
¿Cómo saco todos los enlaces de una página web?
Abre el código fuente de la página (Ctrl+U), cópialo entero, pégalo en el cuadro y la herramienta listará todas las URL absolutas que contiene.
¿Qué son los parámetros utm y por qué quitarlos?
Son etiquetas como utm_source o utm_campaign que añaden las campañas para medir de dónde viene el tráfico. No cambian el contenido de la página, así que quitarlas deja enlaces más cortos y limpios.
¿Detecta enlaces sin http ni www?
No, para evitar falsos positivos con nombres de archivo o frases. Se detectan las direcciones que empiezan por http://, https://, ftp:// o www.
¿Mis datos se envían a algún servidor?
No. La extracción se hace en tu navegador y el texto no sale de tu dispositivo.