テキストから URL をまとめて抽出する方法

資料にリンクが十数個混ざっていると、1 つずつ選択してコピーするのは手間です。文章ごと貼り付ければ、http と https で始まるアドレスが出現順に 1 行ずつ並びます。

リンクを 1 か所に集めたい場面

競合調査をすると、タブが何十も開き、メモにリンクが散らばります。1 つの一覧にまとめて初めて、1 件ずつ開いて確認し、表に移せます。手で写すと抜けが出て、見出しをリンクとしてコピーしてしまうこともあります。

もう一つはチャットやコメント欄の整理です。共有された URL がまとめて投稿されたとき、保存する、審査に回す、重複がないか確認するといった作業が必要になります。

メモに散らばった参考リンクを 1 つの一覧にする
チャットから共有リンクを集める
UGC の外部リンクを抜き出して確認に回す
文章中のかたまりを開けるリンク一覧に変える

末尾に余分な文字が付く理由

規則は「http:// または https:// で始まり、空白・引用符・山括弧に当たるまで続く」というものです。それ以外はすべてリンクの一部と見なされます。日本語の句読点や漢字も「それ以外」なので、「詳細は https://a.com/x、ほかにも」から抽出すると読点と後続の文字まで付いてきます。

対処は簡単です。貼り付けるときに 1 行 1 リンクにし、文末のリンクの後ろにスペースか改行を入れます。抽出後に末尾を見直し、混ざった読点や句点、漢字を削除すれば、実際に使える URL になります。

対象は http:// と https:// で始まるものだけ
日本語の句読点や漢字はリンクに吸収される
1 行 1 リンクで貼るのが最も安定する
プロトコルなしのドメインは検出されない
重複したリンクはまとめられない

抽出後に確認すべきこと

ツールは文章中のアドレスを見つけるだけで、開いたり、まだ有効かを確かめたりはしません。短縮 URL、ログインが必要なページ、終了したキャンペーンの URL もそのまま出力されます。まとめて開く前に数件を確認し、想定したドメインかどうかを見てください。

境界もはっきりしています。mailto:、ftp:、/tools/ のような相対パスは対象外で、重複除去やプロトコルの補完も行いません。必要なら重複除去ツールに渡し、短縮 URL の展開や状態コードの確認は専用のチェッカーやスクリプトで行ってください。

リンクを開かないため、到達性は分からない
mailto、ftp、相対パスは対象外
重複除去はしないため別ツールと組み合わせる
知らない短縮 URL は出所を確認してから開く

よくある質問

http のないリンクも抽出できますか？

できません。http:// または https:// で始まることが条件なので、ドメインだけの表記やプロトコルを省略したアドレスは対象外です。原文にそうした表記が多い場合は、完全なリンクに直してから抽出するか、別のツールを使ってください。

抽出したリンクの後ろに日本語が付くのはなぜですか？

一致する範囲が空白、引用符、山括弧でしか止まらないためです。日本語の句読点や漢字はどれにも当たらないので、リンクの一部として取り込まれます。末尾の余分な文字を手で削除するか、1 行 1 リンクにして後ろにスペースを入れてください。

抽出したリンクは安全ですか？

ツールは文章中からアドレスを見つけるだけで、内容の確認も遮断もしません。開く前に出所が信頼できるか確認し、知らない短縮 URL は特に慎重に扱ってください。その経路で開いたページに認証情報を入力しないようにしてください。