Over het extraheren van adressen uit tekst
De invoer is nooit netjes. Het is een doorgestuurde e-mailconversatie met veertig adressen in de kopregels, een pagina HTML, een logbestand, een slecht geëxporteerde CSV, een chatexport. De adressen zitten erin, omringd door punthaken, mailto: en punten die bij de zin horen en niet bij het adres.
Plak het erin en krijg een schone lijst terug. Er wordt niets geüpload — de tekst verlaat je browser nooit, wat telt als het om een klantenlijst of een e-mailconversatie gaat.
Het weet waar een adres ophoudt
Dit is het deel dat een werkende extractor onderscheidt van een reguliere expressie die iemand online vond.
- Een afsluitende . , ; : ) ] > " ' is leesteken, geen deel van het adres. "Schrijf naar bob@example.com." levert bob@example.com op, niet een adres met een punt eraan geplakt
- Een sluithaakje hoort alleen bij een URL als die URL er zelf een geopend heeft. (zie https://example.com/a) eindigt bij de a, maar https://nl.wikipedia.org/wiki/Foo_(bar) houdt het zijne
- mailto: en punthaken zijn envelop, geen adres, en worden weggehaald
- Telefoonnummers worden begrensd op lengte in plaats van op vorm — 7 tot 15 cijfers, het werkelijke bereik van abonneenummers wereldwijd. Internationale opmaak verschilt te veel om streng te zijn zonder echte nummers te laten vallen
Zo gebruik je het
- Plak de tekst, of laad een bestand — ook een spreadsheet, waar de adressen over cellen verspreid zitten in plaats van in één kolom
- Kies e-mails, links of telefoonnummers
- Laat Duplicaten verwijderen aan staan, tenzij je het ruwe aantal nodig hebt. Hetzelfde adres veertig keer in een conversatie is één adres
- Kies hoe ze eruit komen: één per regel, met komma's om in een Aan:-veld te plakken, of met puntkomma's voor Outlook
- Kopieer de lijst, of download hem als CSV
De teller toont beide getallen — hoeveel er zijn gevonden en hoeveel duplicaten zijn samengevoegd — zodat er niets verloren lijkt.
Waar mensen het voor gebruiken
- Alle adressen uit een doorgestuurde conversatie halen om een verzendlijst op te bouwen
- De links uit een pagina of document halen om ze te controleren
- Contactgegevens uit een verzamelde of geëxporteerde brok tekst halen
- Alle adressen vinden die begraven liggen in een spreadsheet zonder consequente kolom
- Telefoonnummers verzamelen uit een lijst met aanvragen
- Nagaan of een document adressen bevat die je er niet verwachtte voordat je het deelt
Goed om te weten
- Werkt overal — het is een webpagina en draait dus op elke telefoon, tablet of computer
- Er wordt niets geüpload. De tekst wordt volledig in je browser doorzocht
- Kleine letters staat aan voor e-mails, omdat het lokale deel in de praktijk hoofdletterongevoelig is en Bob@ en bob@ één adres zijn. Bij telefoonnummers wordt het overgeslagen, daar heeft het geen betekenis
- Een spreadsheet laden leest alle bladen, dus een adres op een tabblad dat je vergeten was wordt toch gevonden
- Dit is een tekstextractor, geen validator. Het vindt dingen die op adressen lijken; het controleert niet of ze bestaan of dat iemand ze leest
- Gebruik het resultaat verantwoord. Adressen verzamelen uit andermans document om ongevraagde post te sturen is in de meeste landen onwettig op grond van antispam- en gegevensbeschermingsregels
Gerelateerde hulpmiddelen
- Tekst in bestanden zoeken — een hele map doorzoeken in plaats van één blok tekst
- Dubbele regels verwijderen — elke tekstlijst opschonen
- Lijst sorteren & alfabetiseren — het resultaat herordenen
- Regex-tester — je eigen patroon bouwen voor wat hier niet onder valt
