Najděte e-mailové adresy v HTML kódu webu a odkazech mailto
Najděte adresy za tlačítky Napište nám a v načteném HTML kódu stránky. Projděte si praktický sken v režimu Úplné HTML a zjistěte, které skryté kontakty zůstávají nedostupné.
Tato příručka používá Email Extractor k nalezení kandidátů adres v načtené HTML a podporovaných odkazech mailto.
Obsah
Jak může odkaz mailto obsahovat e-mailovou adresu#
Odkaz na webovou stránku má viditelný popisek a cíl. U odkazu mailto může cíl obsahovat adresu, zatímco popisek říká Napište nám, Kontaktujte tým nebo jinou krátkou frázi. Zobrazení stránky pouze jako text může zobrazit frázi, aniž by zobrazilo cílovou adresu. Níže uvedený příklad má tuto přesnou strukturu: press@studio.test je přítomen v odkazu, ale není vytištěn v jeho popisku. Toto je užitečný případ pro Úplné HTML skenování, protože kontaktní informace již existují v značkování dodaném do prohlížeče.
<a href="mailto:press@studio.test">Email the press team</a>Najděte adresu za tlačítkem Napište nám#
Otevřete stránku kontaktu a počkejte, až se načte relevantní obsah. Vyberte Úplné HTML v Email Extractor a spusťte sken jednotlivé stránky. Zkontrolujte všechny adresy vrácené z tlačítek kontaktu spolu s ostatními výsledky na seznamu. Pokud je to užitečné, porovnejte s Viditelným textem, abyste viděli, které kandidáty se objevily pouze v kódu. Cílem je identifikovat zamýšlený kontakt, nikoli pouze maximalizovat počet. Stránka může obsahovat samostatná tlačítka pro podporu, tisk a regionální e-maily, proto si přečtěte jejich popisky, než se rozhodnete, která adresa patří do vašeho výběru.
Co načtené HTML může odhalit nad rámec viditelného textu#
Úplné HTML může kontrolovat podporovaný značkovací jazyk a atributy na načtené stránce. Adresa se může objevit v sbalené sekci, odkazu na kontakt nebo jiných datech obsahujících adresu, i když hlavní stránka nezobrazuje tuto adresu jako obyčejný text. Některé načtené komponenty mohou odhalit informace skeneru, zatímco izolace prohlížeče může zabránit přístupu k jiným rámcům nebo uzavřeným strukturám. Tyto rozdíly v implementaci vysvětlují, proč jedna stránka vrací užitečné dodatečné kandidáty a jiná nikoli. Uchovávejte zdrojový odkaz a nepředpokládejte, že každý řetězec v HTML je zamýšlený aktuální kontakt.
Oddělte skrytou adresu od nedostupných informací#
Skrytý může popisovat několik různých situací. Kontakt v načtené, ale sbalené sekci může být dostupný ke skenování. Adresa získaná pouze po akci uživatele se může stát dostupnou po této akci. Soukromá hodnota uchovávaná na serveru, kontakt pouze s obrázkem nebo cíl používaný interně kontaktním formulářem se nikdy nemusí objevit jako podporovaný vzor adresy v dokumentu. Změna režimu skenování tuto odlišnost neodstraní. Pokud je sekce kontaktu interaktivní, načtěte ji nejprve a znovu proveďte skenování, než dospějete k závěru, že žádná užitečná adresa neexistuje.
Rozpoznejte příklady a nesouvisející shody HTML#
Výukový program programování může obsahovat ukázkový e-mailový odkaz, zatímco aplikace může obsahovat adresu třetí strany v datech šablony. Obě mohou být přítomny v HTML, aniž by šlo o kontakt, který potřebujete. Před zachováním další shody zkontrolujte okolní kontext a doménu. Pokud nastavení example-address nebo system-address během testování hodnotu odstraní, přečtěte si tyto možnosti pečlivě, místo abyste předpokládali, že extrakce selhala. Praktická otázka je, proč se adresa objevuje na této stránce. Zaznamenání tohoto důvodu učiní pozdější exportovaný seznam užitečnějším než soubor nevysvětlených řetězců.
Platí stejná pravidla pro skenování celého webu?#
Celé skenování webu může zkontrolovat veřejné HTML a mailto odkazy, které vracejí stránky, které objeví, ale nezobrazuje každou stránku jako interaktivní záložku prohlížeče. Mailto odkaz ve vráceném HTML je jiný případ než tlačítko vytvořené až po spuštění klientského kódu. Pokud skenování webu přehlédne známý kontakt, prohlédněte si tuto stránku v prohlížeči a vyzkoušejte pracovním postupu pro jednotlivé stránky, jakmile se relevantní obsah načte. Použijte skenování seznamu URL, když už máte konkrétní URL stránky kontaktů k zpracování, místo abyste spoléhali na to, že je objevíme.
Uchovejte a exportujte kontakty, které odpovídají vašemu úkolu#
Vyberte relevantní adresy po kontrole jejich zdrojových štítků a domén. Zkopírujte malý výběr nebo jej exportujte ve formátu potřebném pro váš další nástroj. CSV a XLSX jsou užitečné pro kontrolu v tabulce; TXT je vhodné pro prostý seznam. Zachovejte informace o zdroji, když je to při exportu možné, zejména pokud několik různých tlačítek vedlo k podobně vypadajícím kontaktům. Zjištění adresy v cíli mailto vysvětluje, odkud kandidát pochází, ale neověřuje, zda poštovní schránka stále existuje nebo zda každý web zobrazí adresu stejným způsobem.
Uveďte tento pracovní postup do praxe
Přečtěte si související dokumentaci pro zde použité kontroly produktu a limity. Kontaktujte podporu pokud potřebujete pomoc s konkrétním výsledkem.
Email ExtractorStáhnout Email Extractor
Najděte e-mailové adresy na webových stránkách a přeměňte své výsledky na seznam, který můžete použít.
