Extrator de links: pegue todos os links de uma página

Este extrator de links tira todos os links de uma página da web e entrega uma lista limpa: cada URL tornada absoluta, o texto âncora em que as pessoas clicam, se o link é interno ou externo e se ele carreganofollow, sponsored ou ugc. Digite uma URL para buscar uma página ao vivo ou cole um HTML para extrair links de forma privada, no seu navegador. Filtre o resultado, remova duplicatas e exporte em CSV, grátis e sem cadastro.

Como extrair links de um site

1. Escolha um modo. A URL de uma página da web busca a página para você; HTML colado trabalha com um código-fonte que você já tem.
2. Digite o endereço da página (ou cole o HTML) e clique em Extrair links. Os redirecionamentos são seguidos e os links são resolvidos a partir do endereço final.
3. Leia o resumo: total de links, URLs únicas, internos, externos e quantos são nofollow, sponsored ou ugc.
4. Afunile o resultado com os filtros de Tipo e Rel e com a caixa de busca. Desmarque Remover URLs duplicadas para ver cada ocorrência na ordem da página.
5. Leve o resultado com você: copie as URLs, baixe um CSV para uma planilha ou mande-as para o abridor de URLs em lote (em inglês) para abri-las em abas.

A partir de uma URL ou de HTML colado: qual usar

O modo URL é o caminho rápido para páginas públicas. Os navegadores não deixam um site ler as páginas de outro (a política de mesma origem), então a página é buscada pelo servidor do Marqly, que devolve apenas a lista de links. Ele lê o HTML exatamente como o servidor o entrega, sem executar JavaScript: a mesma primeira visão que um rastreador de busca recebe antes de renderizar.

O modo HTML colado nunca contata um servidor. Use-o quando:

• A página monta os links com JavaScript. Abra a página, abra as ferramentas de desenvolvedor, clique com o botão direito no elemento <html>, escolha copiar o HTML externo e cole aqui: você recebe os links como renderizados.
• A página está atrás de um login ou só mostra conteúdo para a sua sessão.
• O site bloqueia requisições automáticas. Alguns sites respondem a robôs com 403 ou com uma página de desafio; o seu próprio navegador ainda consegue carregar a página e entregar o código-fonte.
• O HTML nem é uma página da web: um modelo de e-mail, um arquivo salvo, uma exportação ou um trecho de um CMS.

Informe uma URL base no modo colado para que links relativos como /precos ou ../docsvirem endereços completos. Se o HTML tiver o próprio <base href>, ele prevalece, exatamente como num navegador.

O que significa cada coluna

URL

O destino do link como URL absoluta, resolvida do jeito que um navegador faria: caminhos relativos a partir do endereço da página (ou do elemento <base> dela) e entidades HTML como &decodificadas. Um link que só pula dentro da própria página, como #comentarios, resolve para a URL da página mais esse fragmento.

Texto âncora

O texto visível do link. Em links de imagem sem texto, usa-se o texto alt da imagem; depois disso, oaria-label ou o title do link. Uma célula vazia significa que o link não tem nenhum texto acessível, o que vale corrigir para quem usa leitor de tela e para os buscadores, que usam o texto âncora para entender o destino.

Tipo: interno, externo, outro

Links internos apontam para o mesmo host da página, ignorando um www. no começo. Links externos apontam para qualquer outro lugar, inclusive outros subdomínios do mesmo domínio, que são hosts separados. Outro reúne os links que não são da web: mailto:,tel:, javascript: e semelhantes. No modo colado, sem URL base, os links relativos não podem ser resolvidos e são contados como internos, já que um link relativo sempre aponta para o próprio site.

Rel: nofollow, sponsored, ugc

O atributo rel diz aos buscadores como um site se relaciona com a página para a qual aponta. A orientação do Google sobrecomo qualificar links de saídadefine três valores:

• sponsored: anúncios e posicionamentos pagos.
• ugc: links dentro de conteúdo gerado por usuários, como comentários e posts de fóruns.
• nofollow: para quando os outros valores não se aplicam e o site prefere não ser associado ao destino.

Os valores podem ser combinados, separados por espaço ou vírgula (rel="ugc nofollow"), e o extrator lê as duas formas. Links sem nenhum dos três aparecem como seguidos. Outros valores de rel, comonoopener ou noreferrer, aparecem na coluna, mas não mudam esse status: dizem respeito à segurança do navegador e aos dados de referência, não aos buscadores.

× (ocorrências)

Com as duplicatas removidas, quantas vezes a mesma URL aparece na página. Uma contagem de 3 para a sua página de preços costuma significar links no cabeçalho, no corpo e no rodapé. A primeira ocorrência fornece o texto âncora; desmarque a caixa de duplicatas para ver cada instância com o próprio texto.

Exportar os links em CSV

Baixar CSV salva os links que combinam com os seus filtros atuais, com as colunasurl, anchor_text, type, rel e occurrences. Abre no Excel, no Planilhas Google e no Numbers. O texto âncora vem de uma página que você não controla, então toda célula que começa com =, +, - ou @ recebe um apóstrofo na frente, o que impede a planilha de executá-la como fórmula.

Para que as pessoas usam um extrator de links

• Auditorias de SEO. Conte os links internos de uma página, descubra páginas importantes para as quais ela nunca aponta e confira se os links pagos e de afiliados carregam sponsored.
• Achar links quebrados. Extraia os links externos de uma página e cole-os noverificador de links quebrados para ver quais devolvem erros, e acompanhe os suspeitos com overificador de redirecionamento.
• Reunir recursos. Transforme uma página de «melhores recursos», um arquivo de newsletters ou a programação de uma conferência em uma lista que você pode ordenar, filtrar e percorrer.
• Migrações de conteúdo. Liste todos os links das páginas antigas antes de movê-las, para que nada aponte para uma URL que está prestes a sumir.
• Conferir modelos de e-mail. Cole o HTML de uma newsletter para confirmar que todo link vai para onde deveria e carrega os parâmetros de rastreamento certos, ou tire esses parâmetros com olimpador de URLs.

Limites e casos especiais

• Só os links <a href> são extraídos. Áreas de mapas de imagem, botões que navegam com JavaScript e URLs que aparecem apenas como texto simples não são links no sentido do HTML e não entram.
• Marcação oculta é ignorada. Links dentro de comentários, scripts, estilos e modelos são ignorados no modo URL, porque o visitante nunca os vê nem clica neles.
• Limites de tamanho no modo URL: os primeiros 2 MB de HTML e até 5.000 links por página. A linha de status avisa quando uma página foi cortada.
• Só páginas públicas. O buscador recusa endereços de rede privada, URLs com senhas embutidas e portas diferentes de 80 e 443, e só lê respostas em HTML: uma URL de PDF ou de imagem é rejeitada.
• Uma página por vez. Isto não é um rastreador. Para cobrir um site, rode as páginas que importam ou comece pelo sitemap dele.

Privacidade

O HTML colado é analisado pelo seu próprio navegador e nunca sai dele. No modo URL, a página é requisitada pelo servidor do Marqly com o user agent MarqlyLinkExtractor/1.0; a resposta é lida uma vez para coletar os links, e nem a página nem os resultados são guardados. Filtrar, remover duplicatas e exportar sempre rodam no seu navegador.

Guarde os links que valem guardar

Uma planilha de links é uma foto do momento; a maior parte acaba velha numa pasta. Se alguns dos links que você extraiu merecem uma segunda visita, salve-os no Marqly: cada favorito mantém o título e as etiquetas, fica em quadros que você organiza e sincroniza com a extensão do navegador e com os apps de iOS e Android. O plano grátis (página de preços em inglês) guarda até 100 favoritos; o Pro é ilimitado e acrescenta busca em texto completo e semântica, para você achar uma página pelo que ela dizia. Se você já tem milhares de links salvos, arrume-os antes com olocalizador de favoritos duplicados.