Πώς να σαρώσετε ολόκληρο έναν ιστότοπο για διευθύνσεις email

Σαρώστε έως 10 000 σελίδες σε έναν ιστότοπο, ακολουθήστε αυτόματα τις συνδεδεμένες υποσελίδες και συλλέξτε τις διευθύνσεις email που βρίσκετε σε μια ενιαία λίστα.

Αυτός ο οδηγός χρησιμοποιεί Email Extractor για να ακολουθεί τις εσωτερικές συνδέσεις και να συλλέγει διευθύνσεις ηλεκτρονικού ταχυδρομείου σε μια ιστοσελίδα.

Περιεχόμενα

Τι κάνει η σάρωση ολόκληρου ιστοτόπου για διευθύνσεις email#

Μια χρήσιμη διεύθυνση email δεν βρίσκεται πάντα στη σελίδα που ανοίγετε πρώτη. Ένας ιστότοπος μπορεί να έχει στοιχεία επικοινωνίας σε σελίδες τμημάτων, προφίλ ομάδων, ενότητες υποστήριξης και σελίδες τύπου. Η σάρωση ολόκληρου ιστοτόπου ξεκινά από ένα URL ιστοτόπου, εντοπίζει άλλες σελίδες του και ελέγχει τον δημόσιο κώδικα HTML τους για διευθύνσεις email. Δεν χρειάζεται να συλλέγετε και να επικολλάτε κάθε URL σελίδας μόνοι σας. Χρησιμοποιήστε αυτή τη ροή εργασίας για αυτόματη εξερεύνηση ενός ιστοτόπου. Αν έχετε ήδη συγκεκριμένη λίστα σελίδων για έλεγχο, η σάρωση λίστας URL είναι πιο στοχευμένη επιλογή.

Πώς η ανίχνευση ακολουθεί τα κλαδιά του ιστότοπου#

Σκεφτείτε έναν ιστότοπο ως ένα σύνολο συνδεδεμένων κλαδιών. Η αρχική σελίδα μπορεί να συνδέεται με το /about, που συνδέεται με το /company, το οποίο στη συνέχεια συνδέεται με το /press. Μια διεύθυνση ηλεκτρονικού ταχυδρομείου μπορεί να εμφανίζεται αρκετά βήματα μακριά από την αρχική σελίδα. Email Extractor ακολουθεί εσωτερικούς συνδέσμους και διαβάζει υποστηριζόμενους χάρτες XML για να ανακαλύψει σελίδες. Μια σελίδα δεν χρειάζεται να περιέχει μια διεύθυνση email για να οδηγήσει τη σάρωση σε άλλη σελίδα. Στο παρακάτω παράδειγμα, το /company δεν περιέχει email, αλλά ο σύνδεσμός του προς το /press οδηγεί στο press@example.com. Η σάρωση παραμένει στον ίδιο ιστότοπο αντί να ακολουθεί εξωτερικούς συνδέσμους στο διαδίκτυο.

Μια σελίδα χωρίς διευθύνσεις email μπορεί ακόμα να οδηγήσει σε ένα χρήσιμο αποτέλεσμα πιο κάτω σε ένα κλαδί.
  • example.com
    • /contact
      • /support
    • /about
      • /companyΚαμία διεύθυνση email σε αυτή τη σελίδα
        • /presspress@example.com
    • /team
      • /careers

Ξεκινήστε μια σάρωση ολόκληρου ιστοτόπου στο Email Extractor#

Ανοίξτε τον πίνακα ελέγχου Email Extractor, επεκτείνετε την επιλογή Μαζική σάρωση και επιλέξτε Σάρωση ολόκληρου ιστότοπου. Εισάγετε το URL του ιστοτόπου που θέλετε να εξερευνήσετε, κατά προτίμηση την κανονική δημόσια αρχική σελίδα του. Επιλέξτε το όριο σελίδων και τη λειτουργία σάρωσης, και στη συνέχεια ξεκινήστε τη σάρωση. Το Premium παρέχει πρόσβαση στα πλήρη αποτελέσματα σάρωσης του ιστότοπου. Μπορείτε επίσης να επιλέξετε Δοκιμή demo για να εκτελέσετε μια πραγματική σάρωση και να προβάλετε τρεις μοναδικές διευθύνσεις email πριν από την αναβάθμιση. Αφήστε τον πίνακα ελέγχου ανοικτό κατά τη διάρκεια της σάρωσης. Μπορείτε να παρακολουθείτε την τρέχουσα σελίδα και τους μετρητές προόδου ή να χρησιμοποιήσετε Διακοπή αν έχετε ήδη αρκετά αποτελέσματα.

Ορίστε όριο σελίδων έως 10 000#

Το όριο σελίδων ελέγχει πόσα αιτήματα σελίδων μπορεί να επιχειρήσει η σάρωση. Η φόρμα ξεκινά από 10 000, και μπορείτε να επιλέξετε ένα χαμηλότερο όριο για μια μικρότερη σάρωση. Ξεκινήστε με ένα μικρότερο όριο όταν ελέγχετε έναν νέο ιστότοπο ή δοκιμάζετε τις ρυθμίσεις σας. Ένα όριο είναι ένα ανώτατο όριο, όχι ένας υποσχεθείς αριθμός σελίδων: ένας μικρός ιστότοπος μπορεί να έχει λιγότερες σελίδες, και ορισμένα αιτήματα μπορεί να αποτύχουν ή να παραλειφθούν. Εάν η σάρωση φτάσει στο όριό της πριν ολοκληρωθούν οι εντοπισμένες σελίδες, αναθεωρήστε την κατάσταση πριν αποφασίσετε αν θα εκτελέσετε μια μεγαλύτερη σάρωση.

Επιλέξτε Πλήρες HTML ή Κείμενο σελίδας#

Το «Πλήρες HTML» ελέγχει τον κώδικα HTML που επιστρέφει ο ιστότοπος, μαζί με διευθύνσεις email σε συνδέσμους mailto. Είναι χρήσιμο όταν ένα κουμπί γράφει «Email us» αλλά διατηρεί τη διεύθυνση στον προορισμό του συνδέσμου. Το «Κείμενο σελίδας» αναζητά στο κείμενο του επιστρεφόμενου εγγράφου, εξαιρώντας script, στυλ και παρόμοιο περιεχόμενο. Η σάρωση ιστοτόπου επιτρέπει επίσης την παράλειψη κοινών διευθύνσεων συστήματος, όπως γραμματοκιβώτια noreply. Κρατήστε ενεργή την επιλογή «Τήρηση robots.txt» για να ακολουθείτε τους κανόνες του ιστοτόπου που κατανοεί ο σαρωτής. Αυτές οι ρυθμίσεις αφορούν τη σάρωση ιστοτόπου και δεν την καθιστούν ίδια με τη σάρωση μιας πλήρως αποδοσμένης σελίδας στην ενεργή καρτέλα.

Διαβάστε την πρόοδο και ελέγξτε τη συλλεχθείσα λίστα#

Οι εντοπισμένες σελίδες, οι σαρωμένες σελίδες και οι διευθύνσεις email που βρέθηκαν μετρούν διαφορετικά πράγματα. Μια εντοπισμένη σελίδα είναι υποψήφια για σάρωση· μια σαρωμένη σελίδα έχει διαβαστεί επιτυχώς· μία σελίδα μπορεί να περιέχει πολλές διευθύνσεις ή καμία. Οι επαναλαμβανόμενες εμφανίσεις της ίδιας διεύθυνσης email συνδυάζονται στα αποτελέσματα αντί να δημιουργείται νέα επαφή κάθε φορά που επαναλαμβάνεται σε ένα υποσέλιδο. Οι πληροφορίες της σελίδας προέλευσης σας επιτρέπουν να ελέγξετε πού βρέθηκε μια διεύθυνση. Εξετάστε την τελική κατάσταση για παραλειφθείσες σελίδες, σφάλματα αιτήματος ή ατελή εντοπισμό. Μια ολοκληρωμένη εκτέλεση σημαίνει ότι η διαθέσιμη ουρά επεξεργάστηκε σύμφωνα με τις ρυθμίσεις της, όχι ότι κάθε πιθανή σελίδα ήταν προσβάσιμη.

Αντιγράψτε ή εξάγετε τα αποτελέσματα της ανίχνευσης ιστότοπου#

Εξετάστε τις διευθύνσεις και τις σελίδες προέλευσής τους πριν μετακινήσετε τη λίστα σε άλλο εργαλείο. Χρησιμοποιήστε Αντιγραφή για τη διαθέσιμη λίστα διευθύνσεων ή κατεβάστε ένα TXT αρχείο απευθείας από τα αποτελέσματα της σάρωσης του ιστότοπου. Ανοίξτε την προβολή Αποτελέσματα για περισσότερο χώρο προκειμένου να εξετάσετε τη σάρωση και χρησιμοποιήστε τις διαθέσιμες επιλογές εξαγωγής εκεί. Κρατήστε τις πληροφορίες που εξηγούν γιατί μια διεύθυνση είναι χρήσιμη για την εργασία σας, ειδικά όταν ο ίδιος φάκελος εισερχομένων εμφανίζεται σε πολλές σελίδες. Ένα ανιχνευόμενο πρότυπο email είναι υποψήφιο για επανεξέταση· η σάρωση δεν επαληθεύει αν υπάρχει το γραμματοκιβώτιο ή αν ένα μήνυμα θα παραδοθεί.

Κατανοήστε ποιες σελίδες μπορεί να παραλειφθούν#

Η σάρωση ολόκληρου του ιστότοπου διαβάζει δημόσιες HTML απαντήσεις· δεν εκτελεί κάθε σελίδα ως πλήρως διαδραστική καρτέλα προγράμματος περιήγησης ούτε χρησιμοποιεί τη συνεδρία σύνδεσής σας για να ανοίξει ιδιωτικό περιεχόμενο. Διευθύνσεις που εισάγονται μόνο με JavaScript, στοιχεία επικοινωνίας που φορτώνονται μετά από αλληλεπίδραση και σελίδες πίσω από σύνδεση ενδέχεται να παραλειφθούν. Οι σελίδες χωρίς εντοπίσιμο εσωτερικό σύνδεσμο και χωρίς υποστηριζόμενη καταχώρηση στον χάρτη ιστότοπου μπορεί επίσης να παραμείνουν άγνωστες. Εξωτερικοί τομείς και άλλοι υποτομείς βρίσκονται εκτός του αρχικού εύρους του ιστότοπου. Εάν μια συγκεκριμένη σελίδα φαίνεται ελλιπής, ανοίξτε τη κανονικά στο πρόγραμμα περιήγησής σας και δοκιμάστε μια σάρωση μεμονωμένης σελίδας μετά τη φόρτωση του περιεχομένου της.

Βάλτε αυτή τη ροή εργασίας σε εφαρμογή

Διαβάστε την σχετική τεκμηρίωση για τα χειριστήρια και τα όρια του προϊόντος που χρησιμοποιήθηκαν εδώ. Επικοινωνήστε με την υποστήριξη αν χρειάζεστε βοήθεια για ένα συγκεκριμένο αποτέλεσμα.

Email Extractor

Κατεβάστε Email Extractor

Βρείτε διευθύνσεις email σε ιστοσελίδες και μετατρέψτε τα αποτελέσματά σας σε λίστα που μπορείτε να χρησιμοποιήσετε.

Προσθήκη σε ChromeΠροσθήκη σε EdgeΠροσθήκη σε Firefox