Extracteur de liens : tous les liens d’une page

Cet extracteur de liens sort tous les liens d’une page web et vous remet une liste propre : chaque URL rendue absolue, le texte d’ancre sur lequel on clique, le caractère interne ou externe du lien, et la présence éventuelle denofollow, sponsored ou ugc. Saisissez une URL pour récupérer une page en ligne, ou collez du HTML pour extraire les liens en privé dans votre navigateur. Filtrez le résultat, supprimez les doublons et exportez-le en CSV, gratuitement et sans inscription.

Comment extraire les liens d’un site web

1. Choisissez un mode. L’URL d’une page web récupère la page pour vous ; HTML collé travaille sur un code source que vous avez déjà.
2. Saisissez l’adresse de la page (ou collez le HTML) et cliquez sur Extraire les liens. Les redirections sont suivies, et les liens sont résolus par rapport à l’adresse finale.
3. Lisez le récapitulatif : nombre total de liens, URL uniques, internes, externes, et combien sont en nofollow, sponsored ou ugc.
4. Affinez avec les filtres Type et Rel et le champ de recherche. Décochez Supprimer les URL en double pour voir chaque occurrence dans l’ordre de la page.
5. Emportez le résultat : copiez les URL, téléchargez un CSV pour un tableur, ou envoyez-les à l’ouvreur d’URL en masse (page en anglais) pour les ouvrir dans des onglets.

À partir d’une URL ou de HTML collé : lequel choisir

Le mode URL est la voie rapide pour les pages publiques. Les navigateurs ne permettent pas à un site de lire les pages d’un autre (la politique de même origine) : la page est donc récupérée par le serveur de Marqly, qui ne renvoie que la liste des liens. Il lit le HTML tel que le serveur le délivre, sans exécuter JavaScript, soit la première vue que reçoit un robot d’exploration avant le rendu.

Le mode HTML collé ne contacte jamais de serveur. Utilisez-le quand :

• La page construit ses liens avec JavaScript. Ouvrez la page, ouvrez les outils de développement, faites un clic droit sur l’élément <html>, choisissez de copier son HTML externe (outer HTML) et collez-le ici : vous obtenez les liens tels qu’ils sont rendus.
• La page est derrière une connexion ou n’affiche son contenu qu’à votre session.
• Le site bloque les requêtes automatisées. Certains sites répondent aux robots par une erreur 403 ou une page de vérification ; votre propre navigateur peut quand même charger la page et vous en donner le code source.
• Le HTML n’est pas une page web : un modèle d’e-mail, un fichier enregistré, un export ou un extrait de CMS.

Ajoutez une URL de base en mode collé pour que les liens relatifs comme /tarifs ou ../docsdeviennent des adresses complètes. Si le HTML contient sa propre balise <base href>, c’est elle qui l’emporte, exactement comme dans un navigateur.

Ce que signifie chaque colonne

URL

La cible du lien sous forme d’URL absolue, résolue comme le ferait un navigateur : chemins relatifs par rapport à l’adresse de la page (ou à son élément <base>), entités HTML comme &décodées. Un lien qui ne fait que sauter à l’intérieur de la page, comme #commentaires, se résout en l’URL de la page elle-même suivie de ce fragment.

Texte d’ancre

Le texte visible du lien. Pour les liens d’image sans texte, c’est le texte alt de l’image qui est utilisé, puis l’aria-label ou le title du lien. Une cellule vide signifie que le lien n’a aucun texte accessible : c’est à corriger pour les utilisateurs de lecteurs d’écran et pour les moteurs de recherche, qui s’appuient sur le texte d’ancre pour comprendre la cible.

Type : interne, externe, autre

Les liens internes pointent vers le même hôte que la page, en ignorant un www. initial. Les liens externes pointent ailleurs, y compris vers d’autres sous-domaines du même domaine, qui sont des hôtes distincts. Autres regroupe les liens non web : mailto:, tel:,javascript: et assimilés. En mode collé sans URL de base, les liens relatifs ne peuvent pas être résolus et sont comptés comme internes, puisqu’un lien relatif pointe toujours vers son propre site.

Rel : nofollow, sponsored, ugc

L’attribut rel indique aux moteurs de recherche la relation entre un site et la page vers laquelle il pointe. Les recommandations de Google sur laqualification des liens sortants(en anglais) définissent trois valeurs :

• sponsored : publicités et placements payants.
• ugc : liens dans du contenu généré par les utilisateurs, comme les commentaires et les messages de forum.
• nofollow : quand les autres valeurs ne s’appliquent pas et que le site préfère ne pas être associé à la cible.

Les valeurs peuvent se combiner, séparées par des espaces ou des virgules (rel="ugc nofollow"), et l’extracteur lit les deux formes. Les liens qui n’en portent aucune sont affichés comme suivis. Les autres valeurs de rel, comme noopener ou noreferrer, apparaissent dans la colonne mais ne changent pas ce statut : elles concernent la sécurité du navigateur et les données de provenance, pas les moteurs de recherche.

× (occurrences)

Une fois les doublons supprimés, le nombre de fois où la même URL apparaît sur la page. Un total de 3 pour votre page de tarifs correspond en général aux liens de l’en-tête, du corps et du pied de page. La première occurrence fournit le texte d’ancre ; décochez la case de dédoublonnage pour voir chaque occurrence avec son propre texte.

Exporter les liens en CSV

Télécharger le CSV enregistre les liens qui correspondent à vos filtres actuels, avec les colonnes url, anchor_text, type, rel etoccurrences (les en-têtes restent en anglais pour faciliter les traitements automatisés). Le fichier s’ouvre dans Excel, Google Sheets et Numbers. Le texte d’ancre provient d’une page que vous ne contrôlez pas : toute cellule qui commence par =, +, - ou @ est donc précédée d’une apostrophe, ce qui empêche un tableur de l’exécuter comme une formule.

À quoi sert un extracteur de liens

• Audits SEO. Comptez les liens internes d’une page, repérez les pages importantes vers lesquelles elle ne pointe jamais, et vérifiez que les liens payants et d’affiliation portent sponsored.
• Repérer les liens cassés. Extrayez les liens externes d’une page, puis collez-les dans levérificateur de liens cassés pour voir lesquels renvoient des erreurs, et suivez les liens suspects avec le vérificateur de redirection.
• Rassembler des ressources. Transformez une page de « meilleures ressources », des archives de newsletter ou un programme de conférence en une liste que vous pouvez trier, filtrer et parcourir.
• Migrations de contenu. Listez tous les liens des anciennes pages avant de les déplacer, pour qu’aucun ne pointe vers une URL sur le point de disparaître.
• Contrôler des modèles d’e-mail. Collez le HTML d’une newsletter pour vérifier que chaque lien mène où il le doit et porte les bons paramètres de suivi, ou retirez ces paramètres avec lenettoyeur d’URL.

Limites et cas particuliers

• Seuls les liens <a href> sont extraits. Les zones d’image cliquable, les boutons qui naviguent avec JavaScript et les URL qui n’existent qu’en texte brut ne sont pas des liens au sens du HTML et ne sont pas inclus.
• Le balisage masqué est ignoré. Les liens placés dans des commentaires, des scripts, des styles et des modèles sont ignorés en mode URL, car un visiteur ne les voit ni ne clique dessus.
• Plafonds en mode URL : les 2 premiers Mo de HTML et 5 000 liens au maximum par page. La ligne d’état vous prévient quand une page a été tronquée.
• Pages publiques uniquement. Le récupérateur refuse les adresses de réseau privé, les URL contenant des mots de passe, les ports autres que 80 et 443, et ne lit que les réponses HTML : l’URL d’un PDF ou d’une image est rejetée.
• Une page à la fois. Ce n’est pas un robot d’exploration. Pour couvrir un site, lancez les pages qui vous intéressent, ou partez de son plan de site.

Confidentialité

Le HTML collé est analysé par votre propre navigateur et ne le quitte jamais. En mode URL, la page est demandée par le serveur de Marqly avec l’agent utilisateur MarqlyLinkExtractor/1.0 ; la réponse est lue une seule fois pour en collecter les liens, et ni la page ni les résultats ne sont conservés. Le filtrage, le dédoublonnage et l’export s’exécutent toujours dans votre navigateur.

Gardez les liens qui valent la peine

Un tableur de liens est un instantané ; la plupart de son contenu finit par se périmer dans un dossier. Si certains des liens extraits méritent qu’on y revienne, enregistrez-les dans Marqly : chaque favori garde son titre et ses étiquettes, se range dans des tableaux que vous organisez et se synchronise avec l’extension de navigateur et les applications iOS et Android. Laformule gratuite (page en anglais) contient jusqu’à 100 favoris ; Pro est illimité et ajoute la recherche en texte intégral et la recherche sémantique, pour retrouver une page d’après ce qu’elle disait. Si vous avez déjà des milliers de liens enregistrés, commencez par les trier avec ledétecteur de favoris en double.