免费工具 网页链接提取：锚文本、内外链和 nofollow 一表看清
粘贴网页源码，全部链接排成一张表：完整网址、锚文本、内链还是外链、rel 写了什么（nofollow、sponsored、ugc）。搜索引擎抓不了或看不懂的链接会被标出来。粘贴的是聊天记录、文档这类纯文本，就改为把里面的网址提取出来。
- HTML 和纯文本都行
- nofollow、sponsored、ugc
- 导出 CSV
提取链接
可以粘网页源码、邮件模板，或者任何带网址的文字。填上页面网址，/pricing 这种相对链接才能补全，也才能分出内链和外链。
HTML 按链接读取（<a href>、<area href>）；没有标签的内容按文本找 http(s):// 和 www. 开头的网址。
这段 HTML 所在页面的地址，用来补全相对链接、判断内外链；比较时忽略 www.。
CSV 里始终是全部链接。
链接数
14
HTML：带 href 的 <a> 和 <area>；文本：去重后的网址数。
内链
8
和页面网址同一个主机名，加上相对链接和 # 锚点。
外链
4
其它主机名，含子域名。
nofollow / sponsored / ugc
3
rel 里至少有其中一个值的链接。
无锚文本
2
没有文字、图片 alt、aria-label 或 title。
检查结果
问题排在前面，行号对应你粘贴的源码。
- 错误第 16 行图片链接没有 alt → https://www.example-shop.cn/。Google 用图片的 alt 当锚文本，读屏软件只会读出「链接」。
- 错误第 46 行图片链接没有 alt → https://www.example-shop.cn/blog/image-formats。Google 用图片的 alt 当锚文本，读屏软件只会读出「链接」。
- 警告第 27 行「点击这里」→ https://www.example-shop.cn/guides/core-web-vitals。Google 举的「Click here」「Read more」这类锚文本太笼统，「点击这里」「查看更多」同理；写明目标页面是什么。
- 警告第 38 行href="javascript:void(0)"。Google 把 javascript: 链接列为不推荐，它不一定能解析出网址。
- 提示有 1 个网址在这一页被链了不止一次。导航菜单里很正常；正文里一个目标链一次通常就够。
- 提示第 47 行站内链接加了 rel="nofollow" → https://www.example-shop.cn/blog。Google 建议只对不信任的来源用 nofollow，不要用在自己的页面上。
链接列表
「TapCub 自动事件」一列：访客点击这个链接时，TapCub 统计代码会自动记下什么。
| 网址 | 锚文本 | 类型 | rel | TapCub 自动事件 | 行号 |
|---|---|---|---|---|---|
https://www.example-shop.cn/ | 图片，无 alt | 内链 | — | — | 16 |
https://www.example-shop.cn/shop | 全部商品 | 内链 | — | — | 18 |
https://www.example-shop.cn/blog | 运营笔记 | 内链 | — | — | 19 |
https://help.example-shop.cn/ | 帮助中心 | 子域名 | — | 外链点击 | 20 |
https://www.example-shop.cn/guides/core-web-vitals | 点击这里 | 内链 | — | — | 27 |
https://web.dev/articles/optimize-lcp?hl=zh-cn | Google 的 LCP 优化指南 | 外链 | — | 外链点击 | 37 |
https://partner.example.net/cdn?ref=shop | 这家 CDN | 外链 | sponsored | 外链点击 | 37 |
https://www.example-shop.cn/files/speed-checklist.pdf | 提速自查表（PDF） | 内链 | — | 文件下载 | 38 |
javascript:void(0) | 直接问我们 | JavaScript | — | — | 38 |
https://candles.example.org/ | candles.example.org | 外链 | ugc nofollow | 外链点击 | 44 |
https://www.example-shop.cn/blog/image-formats | 图片，无 alt | 内链 | — | — | 46 |
https://www.example-shop.cn/contact | 联系我们 | 内链 | — | — | 47 |
https://www.example-shop.cn/blog | 返回运营笔记 | 内链 | nofollow | — | 47 |
mailto:kefu@example-shop.cn | kefu@example-shop.cn | 邮箱 | — | — | 48 |
文本里找到的网址
重复的合并，去掉网址末尾的标点。
url,anchor_text,anchor_from,type,rel,tapcub_event,line
https://www.example-shop.cn/,,imgNoAlt,internal,,,16
https://www.example-shop.cn/shop,全部商品,text,internal,,,18
https://www.example-shop.cn/blog,运营笔记,text,internal,,,19
https://help.example-shop.cn/,帮助中心,text,subdomain,,outbound,20
https://www.example-shop.cn/guides/core-web-vitals,点击这里,text,internal,,,27
https://web.dev/articles/optimize-lcp?hl=zh-cn,Google 的 LCP 优化指南,text,external,,outbound,37
https://partner.example.net/cdn?ref=shop,这家 CDN,text,external,sponsored,outbound,37
https://www.example-shop.cn/files/speed-checklist.pdf,提速自查表（PDF）,text,internal,,download,38
javascript:void(0),直接问我们,text,js,,,38
https://candles.example.org/,candles.example.org,text,external,ugc nofollow,outbound,44
https://www.example-shop.cn/blog/image-formats,,imgNoAlt,internal,,,46
https://www.example-shop.cn/contact,联系我们,text,internal,,,47
https://www.example-shop.cn/blog,返回运营笔记,text,internal,nofollow,,47
mailto:kefu@example-shop.cn,kefu@example-shop.cn,text,mailto,,,48不受表格筛选影响，包含全部链接。下载的文件带 BOM，Excel、WPS 直接打开不乱码。
版本 v1.0更新于 更新记录
每一列说明什么
对搜索引擎来说，一条链接包含三样东西：能抓取的网址、描述目标页面的锚文本，以及可选的 rel 值（说明这条链接是什么关系）。表格把每条链接的这三样都列出来。
内链、子域名、外链
内链和页面同一个主机名（忽略 www.）。help.example.cn 这类子域名单独标出，计入外链。每个重要页面都应该至少有一条站内链接能到达。
锚文本
链接上看得见的文字，图片链接则是图片的 alt。脱离上下文读一遍：「核心网页指标清单」能看懂，「点击这里」看不懂。空锚文本记为错误。
rel 值
付费、广告链接用 sponsored，评论、论坛里用户发的链接用 ugc，其它不想担保的用 nofollow，可以组合写。Google 说这样标记的链接一般不会被跟踪抓取，但目标页面仍可能通过别的途径被发现。
TapCub 自动事件
TapCub 统计代码会把指向其它主机名的点击自动记为「外链点击」，把指向 PDF、ZIP、DOCX 等文件的点击记为「文件下载」，不用另写代码。子域名主机名不同，也算外链点击。
链接检查依据 Google 的链接指南和为出站链接设置 rel。它们说明的是链接能不能被抓取、有没有被描述清楚，不代表能提升排名。
检查一个页面的链接
适合做内容盘点、改版迁移前的核对、审核投稿文章里的外链。
-
1
粘贴源码
复制整页源码；只想看正文链接的话，只复制正文那一段 HTML，就不会混进导航和页脚。
-
2
填页面网址
相对链接按它补全，内链外链按它的主机名区分。
-
3
筛选、改问题
表格切到「有问题的链接」，看空锚文本、「点击这里」、javascript: 链接、站内 nofollow；切到「只看外链」检查这一页把访客送到了哪里。
-
4
导出
下载 CSV 做表格盘点或 301 跳转计划。微信群里的上线清单这类纯文本，也可以粘进来把网址提取出来。
怎么找链接、怎么分类
只把 <a href> 和 <area href> 算作链接，和 Google 说它能抓取的范围一致。head 里的 <link>（样式表、canonical、hreflang）不是页面链接，不列入。
- 相对网址按页面网址补全，规则和浏览器一致，
../guide、//cdn.example.cn/x都会变成完整地址 - 内链 = 主机名相同（忽略开头的
www.）；子域名 = 一个主机名以另一个结尾（help.example.cn 和 example.cn）；其它 http(s) 链接都是外链 - 锚文本依次取：看得见的文字 → 链接里图片的 alt →
aria-label→title - rel 按空格或逗号拆开（Google 两种都接受），
rel="ugc,nofollow"和rel="ugc nofollow"结果一样
| 写法 | 本工具归为 | Google 链接指南 |
|---|---|---|
<a href="/shoes">鞋子</a> | 内链 | 推荐 |
<a href="https://example.com"> | 外链 | 推荐 |
<a onclick="goto(…)"> | 标出：没有 href | 不推荐 |
<span href="…"> | 标出：不是链接 | 不推荐 |
<a href="javascript:goTo(…)"> | JavaScript | 不推荐 |
<a href="…"><img alt=""></a> | 标出：无锚文本 | 不好：链接文字为空 |
默认示例提取出什么
默认内容是 www.example-shop.cn 上一篇网店运营笔记的源码，共 14 条链接。
| 分组 | 条数 | 说明 |
|---|---|---|
| 内链 | 8 | 导航、正文链接、PDF 自查表、联系我们、「返回运营笔记」（nofollow） |
| 外链 | 4 | help.example-shop.cn（子域名）、web.dev、一条 sponsored 的 CDN 链接、一条 ugc 的留言链接 |
| JavaScript / 邮箱 | 1 + 1 | javascript:void(0) 的「直接问我们」；一个 mailto 邮箱 |
| nofollow / sponsored / ugc | 3 | sponsored；ugc nofollow；站内链接上的 nofollow（被标出） |
| 无锚文本 | 2 | logo 链接和「下一篇」图片链接，图片都没写 alt |
| 笼统锚文本 | 1 | 指向核心网页指标清单的「点击这里」 |
如果这个页面装了 TapCub，不用额外埋点就会记下 4 种外链点击（子域名、web.dev、CDN、留言链接）和 1 种文件下载（PDF）。
藏在源码里的链接问题
这些问题在浏览器里看着都正常，只有看源码才会发现。
图片链接不写 alt
logo、横幅图当链接时经常不写 alt，对 Google 和读屏软件来说，这条链接就完全没有文字。
假装是链接的按钮
没有 href 的 <a onclick>、绑了点击事件的 <span>、javascript: 网址。鼠标点得动，但不是能被抓取的链接。小程序 web-view、单页应用里尤其常见。
所有链接都加 nofollow
给每条外链、甚至自己的页面都加 nofollow，并不是 Google 建议的做法。该用 sponsored、ugc 的地方用它们，nofollow 只留给不信任的来源。
满页「点击这里」
笼统的锚文本既不告诉读者、也不告诉搜索引擎链接后面是什么。把目标页面的主题写进链接文字。
从页面上的链接，到真实的点击
链接提取告诉你页面链向了哪里；TapCub 告诉你哪些链接真的有人点，不用一条条埋点。
怎么提取一个网页里的全部链接？
打开网页按 Ctrl+U 查看源代码，全选复制后粘到上面的输入框，再填上页面网址。每个 <a href> 和 <area href> 都会列出完整网址、锚文本、类型和 rel，可以下载成 CSV。
怎么查一个链接是不是 nofollow？
看表格的 rel 一列，或者把筛选切到「nofollow / sponsored / ugc」。rel 按 Google 的读法解析：空格或逗号分隔、不分大小写。
nofollow、sponsored、ugc 有什么区别？
Google 要求付费或广告链接用 sponsored，评论、论坛等用户内容里的链接用 ugc，两者都不适用、又不想让网站和目标页面产生关联时用 nofollow。可以组合写，比如 rel="ugc nofollow"。
外链都要加 nofollow 吗？
不需要。Google 的链接指南说链向其它网站没什么可担心的，nofollow 是给不信任的来源用的，不是每条外链都加。付费链接应标 sponsored。
能从纯文本里提取网址吗？
可以。输入里没有 HTML 标签时，工具会找 http(s):// 和 www. 开头的网址，去掉末尾的标点（包括中文句号、逗号），合并重复的并统计次数。
子域名为什么算外链？
子域名是另一个主机名，常常是独立的帮助中心、商城或应用；TapCub 统计代码也会把指向其它主机名（含子域名）的点击记为外链点击。表格里把它们单独标成「子域名」，方便和第三方网站区分。
会检查链接能不能打开吗？
不会。工具只读你粘贴的 HTML，不请求任何网址，所以看不到状态码。改版要做跳转的，可以用301 重定向规则生成把新旧网址清单转成 Nginx / Apache 规则。
粘贴的内容会上传吗？
不会。全部在你的浏览器里处理，HTML、页面网址和导出的 CSV 都只在你的设备上。