信息提取

信息提取工具解决的是「从一大段混杂文本里只捞出某一类内容」的问题。日常拿到的原始数据往往是聊天记录、网页复制的段落、日志片段或表格导出的文本，邮箱、网址、手机号和正文全混在一起，手动一个个找又慢又容易漏。这个工具让你把整段文本粘进来，选一个类型——邮箱、网址、手机号、IP地址、数字或中文——点击提取，匹配到的内容就会每行一条列出来，勾选去重还能把重复项自动合并。它不改动原文，只做筛选和搬运，适合在正式录入或数据清洗前先把目标内容单独拎出来。

提取的核心是浏览器里的正则表达式（RegExp）带全局标志一次性扫描全文。不同类型对应不同的匹配规则：邮箱按「用户名@域名.后缀」的结构匹配，手机号用 1[3-9]\d{9} 锁定国内 11 位号段，IP 按四段点分十进制的形状匹配，数字抓连续的阿拉伯数字串。中文的识别则是按 Unicode 码位区间来的，基本汉字落在 一 到 龥 这一段，工具把落在该区间的字符逐个挑出来。去重用的是集合（Set）结构，按首次出现的顺序保留、丢弃后面重复的项，所以结果顺序和原文一致而不是被重新排序。整个匹配过程都在你自己的浏览器本地完成，文本不上传。

最常见的用法是整理联系方式：把一份客户名单或群成员导出文本粘进来，选「手机号」或「邮箱」，几秒就得到一份干净的、每行一个的清单，直接贴进 Excel 或通讯录即可。做数据清洗时也顺手，比如从一堆网页源码或 Markdown 里选「网址」，快速收集所有链接再去做去重和归类。写爬虫或调试接口时，想从一段返回内容里快速看有哪些 IP 或数字，也可以粘进来筛一遍，比临时写个脚本再跑要快得多。

需要注意的是纯正则只认「形状」不做语义校验：IP 提取能匹配出 999.999.1.1 这种格式对但实际非法的地址，每段是否在 0-255 内正则并不判断，拿到结果后若要求严格仍需再校验一遍。手机号规则针对的是中国大陆 11 位号码，带国际区号（如 +86、+1）或座机号不在匹配范围内。中文提取只覆盖基本汉字区，像「①」「㈠」、生僻字扩展区以及中文标点符号默认都不算在内。另外提取是按类型单选的，一次只出一类结果，需要多类内容就分几次提取。

信息提取是一个免费的在线工具，打开网页就能用，不用下载也不用注册。平时大家搜的“提取邮箱”、“提取网址”、“提取手机号”，说的都是这个。