Экстрактор email из текста онлайн — с дедупликацией

Адреса приходят россыпью: выгрузка с сайта, переписка поддержки, прайс с контактами отдела продаж. Выбирать их глазами и переносить в таблицу можно, но час своей жизни на это уйдёт.

Экстрактор выше делает то же самое за секунду. Вставляете текст или кусок HTML, забираете готовый список адресов без повторов. Текст при этом никуда не уходит: разбирает его браузер, на сервер не отправляется ни строки.

Что он находит

Инструмент вычёсывает из текста всё, что похоже на почтовый адрес, и сразу отбрасывает мусор. Имена файлов вроде logo@2x.png выглядят как email, но в список не попадут: фильтр знает популярные расширения картинок, скриптов, документов, архивов и шрифтов.

Одно ограничение стоит знать до того, как вы вставите базу. Кириллические адреса не находятся. Почта на домене вроде «сайт.рф» и имя русскими буквами под шаблон поиска не подходят, такие контакты придётся забирать руками. В российских выгрузках их немного, но в списках госорганов и небольших региональных компаний они встречаются.

Дубли схлопываются без учёта регистра. «Ivan@Site.ru» и «ivan@site.ru» посчитаются за один адрес, а в результат уйдёт то написание, которое встретилось первым. Два счётчика показывают, сколько совпадений найдено всего и сколько адресов осталось после чистки. Разница между цифрами полезна сама по себе: по ней видно, насколько засорена выгрузка и стоит ли чинить источник, из которого вы её каждый раз забираете.

Как собрать список

Сначала отметьте согласие над формой: до этого поле ввода не работает. Галочка нигде не запоминается, после перезагрузки страницы её надо поставить заново.

Вставьте текст в поле «Исходный текст или HTML». Результат появится сразу. Кнопку нажимать не нужно.

Дальше настройте вывод под то место, куда список поедет. В поле «Формат на выходе» выберите «По одному в строке» или «Через запятую». Две галочки рядом выключены по умолчанию: одна приводит адреса к нижнему регистру, вторая сортирует их по алфавиту.

Страница контактов чужого сайта

Открытый текст страницы отдаёт не всё: часть адресов прячется в атрибутах ссылок. Поэтому берите код. Нажмите Ctrl+U, в открывшейся вкладке выделите всё через Ctrl+A, скопируйте и вставьте сюда. На странице с отделами и филиалами так находится втрое больше контактов, чем видно глазами.

Выгрузка из почтового клиента

Экспорт переписки или списка контактов кладите целиком, разбирать его заранее не нужно. Типичная картина по годовой переписке отдела: найдено около 1800 совпадений, уникальных адресов остаётся примерно 240. Остальное это повторы одних и тех же людей.

Прайс или коммерческое от поставщика

Скопируйте лист Excel целиком, вместе с шапкой и примечаниями, и вставьте в поле. Адреса менеджеров обычно рассыпаны по примечаниям и подписям, а не собраны в колонку.

Что делать с результатом

Формат «Через запятую» ложится прямо в поле «Кому» почтового клиента. Построчный формат удобнее для таблицы и для загрузки в сервис рассылок, где список адресов обычно и просят колонкой, а не строкой через разделитель.

Забрать список можно двумя способами: кнопка «Скопировать» кладёт его в буфер обмена, кнопка «Скачать .txt» отдаёт файлом с именем emails.txt. Обе появляются, когда в результате есть хотя бы один адрес.

Если часть адресов уже есть в вашей базе, не сверяйте руками. Готовый список в поле A, текущую базу в поле B, и пересечение и разность списков покажут блоком «Только в A» тех, кого вы ещё не знаете.

О чём помнить

• Из HTML прилетает хвост. Знаки = ? & / + разрешены в имени адреса, поэтому из ссылки вида mailto:ivan@site.ru?subject=Заказ&cc=petr@site.ru инструмент вытащит и настоящий адрес, и обрывок вроде ?subject=Заказ&cc=petr@site.ru. Строки с мусором перед именем видно сразу, снесите их вручную.
• Фильтр мусора знает популярные расширения. Редкий формат может проскочить, поэтому бегло просмотрите итоговый список.
• Из кода найдётся только то, что в нём лежит. Если на сайте адрес собирается скриптом или нарисован картинкой, в исходном HTML его нет.
• Собранные адреса не равны согласию на рассылку. Писать рекламу без разрешения получателя нельзя, и если человек пожалуется, разбираться придётся вам. Как мы сами обращаемся с персональными данными, написано в политике конфиденциальности.
• Текст остаётся в браузере. Переписку и базу клиентов можно вставлять спокойно: на сервер они не уходят.

Сколько текста выдержит

Ограничения нет, и упереться в него трудно. Код страницы на полтора десятка мегабайт с двумя сотнями тысяч адресов внутри разбирается за треть секунды. Поиск идёт одним регулярным выражением, а это самая быстрая часть браузера.

Вставьте текст в поле выше и посмотрите, сколько адресов там на самом деле.