LinkedIn 個人檔案的 HTML 原始碼中，包含了頁面所參照的每一個網址，而一款以瀏覽器為基礎的連結擷取工具，能把這些 href 數值，擷取成一份乾淨、每行一個的清單，完全不需要連上 LinkedIn，也不需要登入。這項工具完全針對貼上的標記語法運作，因此您想要盤點的頁面，必須是您已經透過授權管道儲存或下載下來的內容。一旦手邊有了這份原始碼，這個擷取工具就會掃描 anchor、area 與 link 開始標籤，解碼 href 數值中一組有限範圍的 HTML 實體，正規化 web、mailto 與 tel 目標，依首次出現的順序移除重複項目，並回傳一份可供審查、已去重的清單。被略過的項目會被計數，而不是被隱藏，因此即使結果看起來很短，仍然會告訴您有多少個不安全或無效的數值被篩掉了。這種做法，適合任何需要從已儲存的搜尋結果頁面、匯出的聯絡人檔案，或存成 HTML 的個人檔案檢視畫面中，取得結構化 LinkedIn 個人檔案網址清單的人。
「擷取 LinkedIn 個人檔案」實際上代表什麼
搜尋「如何擷取 LinkedIn 個人檔案」的人，通常想要的是以下兩種之一：結構化的個人檔案資料，例如姓名、職稱、經歷與聯絡方式，或是個人檔案頁面的網址。連結擷取工具，只處理第二種需求。它會讀取您貼上的 HTML 中的 href 數值，回傳頁面實際連結到的網址。這些網址包括頁面所指向的 LinkedIn 個人檔案網址、分享貼文中的連結、聯絡人卡片中的網址，以及標記語法中任何其他的錨點目標。
這項工具不會剖析姓名、職稱、職務名稱，或任何其他個人檔案欄位。如果目標是取得完整豐富的個人檔案資料，就需要一個專門的 LinkedIn 匯出工具、官方的資料匯出功能，或人工審查。如果目標只是要取得個人檔案網址本身，以便貼進試算表、外展追蹤工具，或後續爬取流程中，那麼這個擷取工具就是一個很好的起點。若您的流程最終要落在 Excel 中，從 HTML 把 LinkedIn 聯絡人網址擷取到 Excel這篇指南，說明了拿到網址清單之後的後續步驟。
連結擷取工具如何處理 LinkedIn 的 HTML
LinkedIn 的個人檔案頁面、搜尋結果，以及已儲存的聯絡人檢視畫面，與任何現代網站一樣，共用大致相同的 HTML 結構，這也是為什麼這個擷取工具在處理它們時，使用的邏輯跟處理其他任何地方完全相同。這個實作方式，會執行一次有限範圍的原始碼掃描：先移除註解，以及常見的純文字容器，例如 script、style、textarea、title、iframe、noembed 與 noframes，接著比對 a、area 與 link 開始標籤上的 href 屬性。這三種元素類型的集合，涵蓋了一般的錨點、影像地圖目標，以及 head 元素中的參照，例如 canonical 頁面與替代資源。
在每一個 href 內部，剖析器會解碼十進位與十六進位的數值字元參照，再加上一組小型的具名實體集合：amp、quot、apos、lt 與 gt。這涵蓋了 LinkedIn 追蹤參數中常見的網址查詢逸出方式。罕見的具名實體會保持原本的編碼狀態，而不會被猜測解讀。解碼之後，絕對的 HTTP、HTTPS、mailto 與 tel 數值，會直接被正規化。如果您提供一個合法的 HTTP 或 HTTPS 基準網址，根相對、路徑相對、上層相對，以及通訊協定相對的數值，都會透過瀏覽器的 URL 模型來解析。如果沒有提供基準網址，相對數值就會維持相對狀態，因此輸出結果絕不會憑空捏造出一個主機名稱。
三個步驟擷取 LinkedIn 個人檔案網址
- 把已獲授權的 HTML 原始碼，貼進輸入欄位中，如果您想把相對路徑解析成絕對網址，請在基準網址欄位中，輸入該頁面的絕對網址。基準網址必須使用 HTTP 或 HTTPS，且不能包含帳密資訊。
- 執行擷取。檢視唯一、重複與被略過的計數，並對照每行一個的結果。Mailto 與 tel 目標會保留在清單中，因為它們是合法的連結目的地，而空白數值、同文件內的錨點片段、可執行的通訊協定（javascript、data、vbscript），以及無效的絕對網址，則會被略過並列入計數。
- 複製這份已去重的清單，用於已獲授權的爬取或稽核。這項工具絕不會去請求它發現的任何目的地，因此您可以完全掌控哪些網址會被連線，以及何時連線。
這項工具會納入與略過哪些內容
判斷邏輯是透明的，而且在每個頁面上都相同，因此您在 LinkedIn 個人檔案檢視畫面上看到的結果，會跟在任何其他網站上看到的一樣。下表整理了各個類別，以及每一種的處理方式。
| 類別 | 範例 | 處理方式 |
|---|---|---|
| 絕對的 http 或 https 網址 | https://www.linkedin.com/in/example | 正規化後回傳 |
| 有基準網址時的通訊協定相對路徑 | //www.linkedin.com/in/example | 依基準網址解析 |
| 有基準網址時的根相對路徑 | /in/example | 依基準網址解析 |
| 有基準網址時的路徑相對路徑 | in/example | 依基準網址解析 |
| 有基準網址時的上層相對路徑 | ../in/example | 依基準網址解析 |
| mailto 目標 | mailto:[email protected] | 正規化後回傳 |
| tel 目標 | tel:+15555550100 | 正規化後回傳 |
| 同文件內的錨點片段 | #section | 略過，並計數 |
| 空白的 href | href="" | 略過，並計數 |
| javascript: 通訊協定 | javascript:void(0) | 略過，並計數 |
| data: 或 vbscript: 通訊協定 | data:text/html,... | 略過，並計數 |
| 無效的絕對網址 | http://[bad | 略過，並計數 |
重複的項目，會在正規化之後被移除。兩個解析後指向同一個絕對網址的相同相對連結，會收斂成一個項目，並保留首次出現的順序。去重是精確比對的：只要在追蹤參數、錨點片段、區分大小寫的路徑，或轉址行為上有差異的網址，都會被視為不同的資源。
為什麼應該提供基準網址
LinkedIn 的個人檔案頁面與已儲存的搜尋結果，經常對個人檔案、公司與貼文連結使用相對網址。如果沒有基準網址，像 /in/example 這樣的數值，就會維持原樣，無法直接當成獨立的網址開啟。提供您所儲存頁面的絕對網址，能讓解析器知道這些路徑應該歸屬於哪裡，因此 https://www.linkedin.com/sales/people 底下的 /in/example，在輸出結果中就會變成 https://www.linkedin.com/in/example。
基準網址必須使用 HTTP 或 HTTPS，且不能包含帳密資訊。這道防護措施，能讓使用者資訊不會出現在任何解析後的結果中，並避免產生一個具誤導性的解析情境。如果不知道原始頁面的網址，請把基準欄位保留空白，並把結果視為一份相對路徑的盤點清單，而不是一份可以直接打開使用的清單。
會影響 LinkedIn 原始碼的限制
在貼上已儲存的 LinkedIn 頁面之前，這個實作方式有兩項限制值得留意。第一，輸入內容上限為 200,000 個字元。一個包含內嵌留言與分享貼文的長篇個人檔案檢視畫面，可能會超過這個上限；遇到這種情況，應該把標記語法拆分成多個區段，或改用受控的爬蟲來處理。
第二，這個擷取工具是一個原始碼剖析器，而不是一個完整的瀏覽器 HTML 樹狀結構建構器。它不會執行腳本，也不會算繪框架應用程式，因此任何在頁面載入後才由 JavaScript 插入的 LinkedIn 連結，並不會存在於靜態原始碼中，因此也就無法在這裡被找到。透過瀏覽器的「另存新檔」功能儲存頁面，通常會擷取算繪後的 DOM，這比較接近使用者實際看到的畫面。若是在較早的時間點，透過開發人員工具擷取原始碼，可能需要先捲動、點擊，或進行互動，才能讓延遲載入的連結出現在標記語法中。
讓擷取出來的清單發揮作用
一旦您擁有一份已去重的 LinkedIn 個人檔案網址清單，好幾項審查工作都會變得容易許多。下表說明了典型的後續步驟，以及資料流向何處。
| 後續工作 | 擷取出的清單為何有幫助 |
|---|---|
| 已獲授權的爬取與狀態檢查 | 把清單交給受控的爬蟲，確認每個個人檔案網址是否仍能解析、回傳有效回應，並與預期的帳號相符。 |
| 去重審查 | 當需要更嚴格的比對時，把唯一計數與目標總數做比較，找出即使經過正規化，仍因追蹤參數而重複的項目。 |
| 試算表匯入 | 把每行一個的結果貼進 Excel 或 Google Sheets，再對欄位進行拆分或篩選，用於外展、標記，或報表流程。 |
| 轉址與 rel 屬性意義 | 把這份清單搭配另一個能檢查狀態、轉址鏈，以及 rel 屬性（例如 nofollow 或 noopener）意義的工具一起使用。 |
| 動態 DOM 缺口檢查 | 把這份靜態原始碼清單，與瀏覽器 DOM 匯出結果或真實爬蟲做比較，找出原始碼擷取之後，才由腳本加入的連結。 |
這個擷取工具不會標示內部連結與外部連結、測試 HTTP 狀態、評估 rel 屬性，也不會判斷 SEO 品質。請把輸出結果當成一份盤點清單，而不是一份健康檢查報告，並讓一個專門、已獲授權的爬蟲，去回答原始碼本身無法回答的問題。
在授權使用範圍內作業
LinkedIn 的服務條款，限制了對會員資料的自動化存取，而這個擷取工具，只能處理手邊已經有的原始碼。請透過您已登入的瀏覽器儲存頁面、透過 LinkedIn 提供的官方管道匯出聯絡資訊，或使用本機端產生的 HTML。一旦原始碼在手，這個擷取工具就會全程留在瀏覽器中運作：HTML 與最終產生的網址清單，絕不會被送到任何伺服器，這項工具也絕不會去連線清單上的任何目的地。這種純本機端的設計，能讓整個流程保持私密，並讓您完全掌控每一個網址是否會被請求、以及何時被請求。
對於大規模遷移或安全稽核，請比對原始碼、瀏覽器 DOM 匯出結果，以及真實爬蟲三者，而不要只信任單一的擷取管道。這種有限範圍的掃描速度快、行為也可預測，但一個經過大量客製化、含有格式錯誤標記語法、不尋常的未加引號屬性，或缺少純文字結束標籤的 LinkedIn 檢視畫面，可能會產生與這個有限範圍掃描不同的 DOM 結果。在採取任何後續行動之前，透過實際的瀏覽器樹狀結構，或受控的爬蟲再做一次第二次檢查，能確認這份盤點清單是完整的。
如需更深入的說明，請參閱從已審查的網址清單取得 Sitemap.xml。