從頁面原始碼中擷取所有 URL，意即掃描您從瀏覽器的「檢視原始碼」動作所複製的 HTML 標記，並將每個 href 值從 anchor、area 與 link 起始標籤中抽出，組成一份單一平坦的清單。產出結果是該來源檔案中所有連結目的地的去重後清單，並非即時網路報告或已完成的 SEO 分數。連結擷取工具會在瀏覽器中於本機端執行這項工作:貼上 HTML，並可選擇性地提供頁面 URL，以便將相對路徑解析為絕對位址，接著複製去重後的輸出結果。該工具絕不會對任何已發現的目的地發出請求，因此對於您有權檢查的頁面而言，這項操作是安全的。JavaScript 注入的連結、HTTP 狀態碼、重新導向鏈、canonical 意圖，以及 rel 屬性的意義，在這個階段都不會進行評估。去重作業會在標準化後精確完成，解析器會解碼數值與一小組命名字元參照，輸出為一行一個 URL 並附上透明的計數。請將此清單視為一份起始的盤點，仍需另行驗證，才能作為可信的導航訊號。

頁面原始碼是伺服器所傳遞的原始 HTML，在腳本執行之前，也早於瀏覽器將其重寫為即時 DOM 之前。當您搜尋「從頁面原始碼取所有 URL」時，這個差異至關重要，因為答案取決於您實際持有的是哪一個版本的頁面。若您的來源來自以 JavaScript 驅動的單頁應用程式，您將只能看到伺服器所送出的 anchor、area 與 link 標籤。任何在框架轉譯後才插入的連結，皆不存在於靜態原始碼中，因而也不會出現在這份盤點中。

extract all urls from page source
從頁面原始碼取所有 URL 以進行 SEO 稽核

原始碼解析與瀏覽器爬取有何不同

連結盤點與爬蟲報告在本質上有所不同，即使兩者都在回答「頁面連結到哪些 URL」這個相似的問題。連結擷取工具是作為一個有界線的原始碼解析器運作。它會先移除註解與 script、style、textarea、title、iframe、noembed、noframes 等原始文字容器，接著再掃描起始標籤，然後比對 a、area 與 link 元素上的 href 屬性。它不會執行腳本、不會轉譯框架，也不會開啟任何網路連線。

相對地，真正的瀏器爬蟲會透過 HTTP 或 HTTPS 取文件、建構 DOM、執行 JavaScript、等待延遲的請求，然後在所有工作完成後列舉已解析的連結。兩種方法都可能是有效的，但它們回答的是不同的問題。原始碼解析器告訴您 HTML 實際上包含什麼;爬蟲則告訴您使用者實際上會看到並點擊什麼。對於 SEO 稽核而言，您通常需要兩種觀點，並且在得出結論之前，應先釐清自己看的是哪一份。

原始碼解析器盤點瀏器爬蟲報告
僅讀取您貼上的 HTML透過 HTTP 或 HTTPS 擷取 URL
掃描 a、area 與 link 起始標籤走訪已轉譯的 DOM，含腳本部分
依選擇性的 base 解析相對 href以即時頁面 URL 作為解析內容
略過可執行的 scheme 與空值追蹤每個可導覽的目標
回報唯一、重複與略過的計數回報狀態碼、重新導向與時間
對已發現的目標不發出任何網路請求對每個已發現的目標發出請求

如何從頁面原始碼取所有 URL

  1. 開啟您有權檢查的頁面，然後使用瀏覽器的「檢視原始碼」或「另存頁面」動作來複製原始 HTML。請避免使用「Elements」面板中的即時 DOM，因為該檢視反映的是由腳本所驅動的編輯，而解析器並不會看到這些內容。
  2. 前往連結擷取工具，將 HTML 貼入來源欄位。解析器每次掃描最多可處理 200,000 個字元，因此對於非常大的文件，請加以分割，或使用您自己受控的爬蟲來處理完整封存。
  3. 若頁面包含相對路徑(例如 /pricing 或 ../guide)，請在 base 欄位中輸入該頁面的絕對 HTTP 或 HTTPS URL。base 必須使用 http 或 https，且不得包含認證資訊。
  4. 執行擷取作業。輸出面板會顯示一份已去重、一行一個 URL 的清單，並附上唯一、重複與略過的計數。
  5. 將結果複製到試算表、受控的爬蟲或網站地圖產生器中。請將每一行視為一份需要另行驗證的盤點項目，才能作為可信的導航訊號。

重複計數本身即具有參考價值。兩個解析為同一絕對 URL 的相同相對連結會合併為單一項目，因此重複數字會告訴您解析器實際看到但已移除的錨點數量。略過計數則會告訴您解析器已捨棄多少空值、僅含片段的參照、javascript: 與 data: 目標，以及無效的絕對 URL。看似偏短的清單，幾乎不代表擷取作業有問題;它通常代表過濾機制較為保守，而解析器會將這項決策開來，而不是加以隱藏。

解析器保留與略過的目標

該工具有意地讀取三種起始標籤。一般的 a 錨點會將使用者導向文件;area 元素會在影像地圖中加入目標;link 元素則會參照樣式表、圖示、canonical 頁面與替代資源。對於一份原始碼盤點而言，同時納入這三者是正確的做法，因為目標在於了解標記實際包含什麼，而不是猜測哪些關聯較為重要。解析器不會將任何目標標記為導覽、canonical、preload 或 stylesheet。您應依據元素類型與其周邊上下文自行判斷。

部分目標會被刻意略過。空白的 href 值、僅指向同一份文件的片段(例如 #section)，以及可執行或嵌入資料的 scheme(javascript、data、vbscript)一律不會被回傳。無效的絕對 URL 也會被捨棄。郵件(mailto)與電話(tel)目標則會被保留，因為它們雖非網頁，卻仍是合法的連結目的地。若某個連結看似未出現在輸出中，請先檢查略過計數。

目標形式結果
絕對 http 或 https URL標準化後列出
根目錄相對路徑，例如 /pricing有提供 base 時，依其解析
路徑相對，例如 ./guide有提供 base 時，依其解析
上層相對，例如 ../guide有提供 base 時，依其解析
scheme 相對，例如 //cdn.example.com/x有提供 base 時，依其解析
mailto: 或 tel: 目標作為合法目的地予以保留
同一文件片段 #x略過
空白的 href 值略過
javascript:、data:、vbscript:基於安全性而略過
無效的絕對 URL略過

舉例而言，在 base URL https://example.com/products/page 之下，相對 href /pricing 會在輸出中解析為 https://example.com/pricing。若未提供 base，則同一個 href 會保留為 /pricing，因此解析器絕不會自行臆造主機。

字元參照的解碼方式

真實的 HTML 在 href 值內部，並不一定會直接帶有 & 符號或重音字元。連結擷取工具會解碼十進位字元參照(例如 &)與十六進位字元參照(例如 &)，接著再套用一小組名稱，涵蓋 amp、quot、apos、lt 與 gt。這整體足以涵蓋大多數頁面在 URL 查詢字串中使用的跳脫，包括在追蹤參數中極為常見的 & 序列。

任何不在該組內的項目都會保持編碼狀態。解析器刻意不作為一份完整的 HTML 命名實體資料表，因為一個推測或片面的全域實體表，可能會在無聲之中把看似標記的文字改寫為非預期的內容。若某個罕見的命名參照殘留於輸出中，請將編碼後的形式視為真正的來源值，而非瑕疵;若您的爬蟲需要已解析的形式，請於下游另行驗證。

將 URL 清單作為 SEO 稽核的起點

一旦取得盤點，工作就會從擷取轉移至檢視。這份清單本質上是原始的:它不會區分內部或外部目標、不會評估 rel 屬性，也不會測試 HTTP 狀態。對於移轉、內容稽核或反向連結掃描而言，這份未經修飾的清單往往正是您所需要的。您可以加以排序、篩選，並餵入另一個工具來執行下一個工作。

舉例而言，在剔除明顯的重複項目與外部網域目的地之後，清理過的盤點相當適合用於符合標準的 XML 網站地圖。該轉換步驟能將盤點轉化為搜尋引擎可接受的格式。連結取工具是來源探索階段，網站地圖產生器是發布階段，真正的爬蟲則是驗證階段。沒有任何一個工具能取代其他工具。

讀取頁面原始碼的限制與陷阱

原始碼解析器在設計上較為保守，這也帶來若干可預見的盲點。第一，去重作業會在標準化後精確完成:僅因追蹤參數、片段、區分大小寫的路徑或重新導向行為而有所差異的 URL，會被視為不同的資源，因為解析器無法僅從原始碼判斷它們是否指向同一目的地。兩個解析為同一絕對 URL 的相同相對連結會合併為單一項目，但僅僅是「看起來相似」的 URL 則不會合併。

第二，嚴重殘缺的標記、未加引號的特殊屬性、遺失的 raw-text 結尾標籤，或是瀏覽器的錯誤復原機制，皆可能產生與此有界掃描不同的 DOM。解析器並非完整的 HTML 樹狀建構器，而介面本身也已說明這項限制。若稽核結果必須具有可信度，請同時比對原始原始碼、瀏器 DOM 匯出，以及真正的爬蟲，而不是仰賴單一取管道。

最後，解析器無法擷取遠端 URL。任意的跨來源請求經常會遭到封鎖;若在無聲中聯絡已貼上的連結，將衍生隱私與安全性問題。請從您有權檢查的頁面複製原始碼，或透過您自己受控的爬蟲取得 HTML。在腳本執行後才插入的動態連結，不會存在於靜態原始碼中，因此也無法在此處被找到。

取得盤點之後的下一步

這份清單是稽核的起點，而非終點。請使用具備 HTTP 狀態、重新導向鏈、認證要求、robots 規則，以及 rel 屬性(如 nofollow、sponsored、ugc)意義檢查能力的授權工具，逐一驗證每個目標。請以這份盤點來引導您的提問，接著交由爬蟲來回答。

對於大型或例行性工作，請將盤點與一台遵守 robots.txt 與您自身認證界線的受控爬蟲搭配使用。請將連結擷取工具視為來源探索階段、將網站地圖產生器視為發布階段、將爬蟲視為驗證階段。三個各司其職的小工具，通常勝過一個試圖一次做完所有事、卻每件事都做不好的大工具。

若您正在權衡選項，從網站擷取網站地圖至 URL 清單對此有詳細說明。