文本批量提取

从一大段文本、一份复制来的网页、一堆日志里，把想要的那一类内容挑出来。和「文本行处理」不同，这里抓的是行里的片段而不是整行——一行里有三个网址就出三条。内置十几种常见目标，也可以直接写正则并指定取哪个捕获组。全部在浏览器本地跑，文本不上传。

网址与域名

网址认 http://、https:// 开头以及裸 www. 开头两种写法，结尾粘着的中英文句号、逗号、引号、右括号会被剥掉（HTML 里 <a href="…"> 的引号也算）。域名则不要求带协议，按「至少一个点 + 2 到 24 位字母后缀」判定，所以 a.jpg 这类文件名不会被当成域名，但 example.co 会。

手机号与固话

手机号按中国内地号段判定：1 开头、第二位 3–9、共 11 位，前后不能再挨着数字，所以 18 位的身份证不会被截出一段当手机号。允许前面带 +86 或 86。固话按「0 开头的 3–4 位区号 + 7–8 位号码」，可带分机号。

身份证与银行卡

身份证先按 18 位结构匹配（地区码 + 合法出生日期 + 顺序码 + 校验位），再用 GB 11643 的加权模 11 验最后一位，验不过的不输出。银行卡按 13–19 位数字匹配后跑 Luhn 校验，同样不合格就丢掉——这两条能把日志里凑巧连在一起的长数字排除掉。

IP 地址

IPv4 会逐段校验每一段都在 0–255，999.1.1.1 不会被当成 IP。IPv6 匹配完整写法与含 :: 的缩写，但不处理内嵌 IPv4 的混合写法。

自定义正则与捕获组

直接写正则本体，不要写两边的斜杠。全局匹配是默认开的，不用自己加 g。写了括号分组时，在「取哪一部分」里选第几组，就只输出那一组的内容——比如用 "price":\s*([\d.]+) 取第 1 组，能把 JSON 里的价格全扒下来。不要用后行断言（(?<=…)），老版本 Safari 会直接报语法错。

「删掉命中的内容」怎么用

把处理方式切到第二项，输出的就不再是命中片段，而是原文去掉这些片段之后剩下的样子。用来批量清掉文本里的网址、手机号、表情或某段固定格式的噪音很方便，去重与排序这时不起作用。

相关工具

文本行处理、文本截取与拼接、文本批量替换、正则测试、常用正则速查库、网页内容提取。