HTML에서 파일 링크를 추출하는 방법

HTML에서 파일 URL이 나타나는 위치

Ordinary link use href, 이미지 및 미디어 일반적으로 사용 src. 응답 이미지는 srcset에서 여러 후보자를 나열 할 수 있습니다. Lazy-loading 라이브러리는 종종 data-src, data-original 또는 사용자 정의 데이터 속성에서 실제 URL를 저장합니다.

Stylesheets 및 인라인 CSS는 url()을 통해 배경을 참조할 수 있습니다. 익지않는 원본은 또한 HTML 성분에 붙어 있지 않는 완전한 URL를 포함할 수 있습니다.

• href 링크
• src 및 포스터 속성
• srcset 및 data-srcset 후보자
• CSS url() 값 및 원시 절대 URL

자주 묻는 질문

../files/report.pdf와 같은 가치는 HTML가 왔다는 페이지에 유일하게 관계됩니다. 원래 페이지 URL을 기본으로 공급하므로 추출기는 완전한 주소로 상대적인 경로를 설정할 수 있습니다.

Protocol-relative link start with // 일반적으로 보안 페이지에서 HTTPS를 상속합니다. root-relative paths start with / 현재 웹 사이트 원산지를 사용합니다.

• 원본 소스 페이지를 유지 URL
• 기본 URL로 사용
• 프로토콜-relative 및 root-relative 경로를 정상화
• 목록을 사용하기 전에 해결 된 도메인을 검토

필요한 URL만 필터링

소스 코드의 모든 URL는 다운로드 가능한 자산입니다. 페이지에는 네비게이션 링크, API, 분석, 글꼴, 스크립트, 스타일 시트 및 추적 매개 변수가 포함되어 있습니다. 관련 확장으로 필터링하고 주위 URL를 검사합니다.

이미지에는 WebP 및 AVIF와 같은 현대적인 형식이 있습니다. 문서의 경우 PDF, DOCX, XLSX, CSV, PPTX 및 작업에 따라 아카이브를 고려하십시오.

HTML 소스 렌더링 된 페이지

Copied 근원은 당신이 공급한 것만 나타냅니다. JavaScript 실행 후 삽입 된 리소스를 놓을 수 있습니다, 스크롤 후 콘텐츠로드, 또는 URL 상호 작용 중 생성.

소스 스니펫에 대한 오프라인 추출기를 사용하여 HTML, 이메일 템플릿 및 코드 검토를 수출했습니다. GrabAll 확장을 사용하여 라이브 렌더링 된 페이지 및 브라우저 텍스트 워크플로우에 사용됩니다.

다운로드하기 전에 유효

목록, 검사 도메인 및 작은 샘플을 분리하십시오. URL의 일치 확장은 응답이 유효하다는 것을 보증하지 않습니다 또는 당신이 그것을 사용하는 허가 된.

자동적으로 큰 불검토된 명부를 요구하지 마십시오. 유효성은 끊긴 연결, 원치 않는 추적 엔드포인트 및 불필요한 부하를 방지합니다.

자주 묻는 질문