文本提取

功能

• 十一类：链接、邮箱、电话、IP、MAC、身份证、银行卡号、日期、话题标签、@ 提及、数字
• 六种预设一次切换：常用 / 全部 / 网络相关 / 联系方式 / 敏感信息 / 只提取数字
• ⚠️ 只做确认无疑的匹配 —— 手机号限号段、IP 逐段验 0–255、卡号要求通过 Luhn、身份证要求校验位正确
• 按类型分组，逐条给出在原文中的出现位置（从 1 开始、按码点算，emoji 不会让位置错位）与汇总计数
• ⚠️ 可选「逗号当小数点」（`3,14` → `3.14`）—— 默认关闭，因为 `1,234` 在英文习惯里是一千二百三十四
• ⚠️ 链接与邮箱形态重叠时只算一次（链接近优先），不会在同一条上重复计数
• 去重按值：邮箱忽略大小写（同一个地址），链接区分大小写（路径大小写常常是两个页面）
• ⚠️ 捞到银行卡号时附一句「符合 Luhn 不一定是卡号」，并指向号码校验工具逐个核对
• 一次贴多行也没问题，结果按出现位置排序

使用方法

1. 把文本粘进来
2. 在「提取哪些」里选一个预设（默认是常用的四类）
3. 结果按类型分组逐条列出，最上面是汇总计数

常见问题

为什么有些明显是电话的号没被提取出来？

因为没有区号的号码无法确认。一串 10 位数字可能是电话号码、订单号、身份证的一部分或时间戳 —— 而「提取到 37 个电话」里混进 20 个订单号时，用户得逐个核对，那比没有这个功能更费事。所以这里只收中国的 `1[3-9]` 开头 11 位手机号，以及明确带 `+` 的国际号。要捞别的形态，用一个正则就行（本站的「正则测试」可以边写边看命中）。

为什么银行卡号要求通过 Luhn？

因为只按位数收会捞进来一大堆东西：13 到 19 位的纯数字在日志里到处都是（订单号、时间戳、长 ID）。而 Luhn 能挡掉其中约九成 —— 但不是全部，恰好符合 Luhn 的长数字仍然会进来。所以捞到之后请用「号码校验」逐个核对，那一页会说清「校验位通过 ≠ 卡号真实存在」。

链接和邮箱重叠时会算两次吗？

不会。`https://example.com/?to=a@b.com` 里既有链接也有邮箱形态的片段，而链接的匹配范围更大 —— 不做处理的话同一段文字会被两类各收一次，汇总里就多出一个。这里按「已占用区间」处理：扫描顺序是先具体后笼统，被更具体的类型先占住的片段，后面的类型会跳过。

去重为什么对链接区分大小写、对邮箱不区分？

因为大小写在两类里的含义不同。`a@b.com` 与 `A@B.COM` 是同一个邮箱（域名不区分大小写，本地部分在实践中也不区分），算一个才对。而 `https://x.com/A` 与 `https://x.com/a` 在很多服务器上是两个不同的页面 —— 合并它们会让用户以为只有一个链接。

「逗号当小数点」为什么不默认打开？

因为逗号在数字里的含义是有歧义的。`3,14` 在欧洲、南美等地区是「三点一四」，但在英文习惯里 `1,234` 是「一千二百三十四」—— 同一个逗号，一个当小数点、一个当千分位。这点歧义没法从文本本身判断，而猜错的后果是数量级看错（1.234 与 1234 差了一千倍），结果看起来却完全正常。所以它默认关闭，只在你确认数据的来源地区之后自己打开。

出现位置是怎么数的？

从这段文本的第 1 个字符开始数，按码点算 —— 一个 emoji 算一个字符。所以 `👍 a@b.com` 里的邮箱在位置 3，而不是按字符串下标算出来的 4。同一个值出现多次时会把每一处都列出来（最多 20 处，再多就只给总处数），位置是给你回原文核对用的。