alternate_email E-Mail-Adressen-Extraktor star

Wie es funktioniert

Der Extraktor durchsucht Ihren eingefügten Text mit einem regulären Ausdruck, der nach der Form lokaler-teil@domain sucht — einer Folge erlaubter Zeichen, einem @-Zeichen, dann einer Domain mit mindestens einem Punkt, so wie E-Mail-Adressen fast immer geschrieben werden. Fügen Sie eine gescrapte Webseite, eine exportierte Mailingliste oder einen langen E-Mail-Thread ein, und jede Zeichenfolge, die diesem Muster entspricht, wird herausgezogen, groß-/kleinschreibungsunabhängig dedupliziert, alphabetisch sortiert und mit einer Adresse pro Zeile aufgelistet. Das bewältigt unordentliche Eingaben aus der echten Welt ohne zusätzliche Aufräumarbeit Ihrerseits: Adressen, die in umgebende Sätze eingebettet sind, in HTML-Attributen wie mailto:-Links stecken, oder über Dutzende Absätze eines großen Dokumenten-Dumps verstreut sind, werden alle auf dieselbe Weise gefunden.

Der hier verwendete reguläre Ausdruck ist eine vereinfachte, praxistaugliche Annäherung an RFC 5322 — die eigentliche technische Spezifikation dafür, was als gültige E-Mail-Adresse zählt. Das ist eine bewusste Entscheidung, keine aus Bequemlichkeit geborene Abkürzung: einen einzigen, vollständig RFC-5322-konformen regulären Ausdruck zu schreiben, der jede technisch gültige Adresse erfasst und dabei nie eine ungültige fälschlich erkennt, ist praktisch kaum machbar. Ein vollständig konformes Muster kann mehrere Tausend Zeichen lang werden und müsste seltene, aber legale Sonderfälle berücksichtigen — in Anführungszeichen gesetzte lokale Teile wie "john doe"@example.com, oder Domains als IP-Adressen in eckigen Klammern wie user@[192.168.1.1] — die im echten Text praktisch nie vorkommen. Jedes praxistaugliche Extraktionswerkzeug, auch dieses, tauscht diesen letzten Bruchteil eines Prozents an theoretischer Abdeckung gegen ein Muster ein, das bei über 99 % der tatsächlich geschriebenen Adressen schnell, lesbar und zuverlässig bleibt.

Was Sie wissen sollten

• Es prüft die Form, nicht die Existenz. Eine Adresse kann völlig gültig aussehen und trotzdem unzustellbar sein — das Werkzeug kann nicht prüfen, ob ein Postfach real, aktiv oder empfangsbereit ist.
• Duplikate werden groß-/kleinschreibungsunabhängig zusammengeführt. [email protected] und [email protected] gelten als dieselbe Adresse und werden nur einmal aufgeführt.
• Alles läuft lokal ab. Der Abgleich erfolgt in Ihrem Browser per JavaScript — kein Text wird hochgeladen oder irgendwo gespeichert.
• Sonderfälle können durchrutschen. Verschleierte Adressen (wie „name [at] domain [dot] com", geschrieben, um Scraper zu umgehen) werden nicht erkannt, da sie absichtlich nicht wie normale E-Mail-Syntax aussehen.
• Es ist für echte Extraktionsaufgaben gebaut. Kontaktadressen von einer gescrapten Seite ziehen, eine eingefügte Mailingliste bereinigen oder prüfen, wie viele eindeutige Adressen in einem langen weitergeleiteten E-Mail-Thread stecken, sind typische Anwendungsfälle.