Elysia Tools
Mobile Navigation
Workflow Playbook
Wandle gemischte Quellen mit einem bewussten Extraktionsweg in prüfbare Listen von Links, Attributen, Datumswerten, Protokollfeldern und sensiblen Treffern um.
Themen
Dieser Ablauf liefert kontrollierbare Signale aus Rohtext, HTML, Markdown oder Protokollen. Vor dem Öffnen eines Werkzeugs die Quelle sichern und Felder, Ausgabeform, Duplikatregel sowie den nötigen Prüfkontext festlegen. Kleine positive und negative Beispiele eignen sich besser als eine pauschale Anweisung, alles zu extrahieren.
text-extractor ist sinnvoll, wenn die Felder noch offen sind. Wenn bereits eine URL-Liste benötigt wird, setzt bulk-url-extractor eine engere Grenze. HTML nicht vorzeitig in Text umwandeln: Erst mit html-attribute-extractor oder image-source-extractor prüfen, ob Attribute oder Bildquellen zum Ergebnis gehören, danach mit new-html-tag-stripper eine lesbare Ableitung erzeugen. Bei Markdown bewahrt markdown-link-extractor Syntaxinformationen, die im reinen Text verloren gehen können.
ip-address-extractor und date-extractor liefern Kandidatenfelder, doch prüfbar wird das Ergebnis erst mit Originalzeile, nahem Ereignistext und Zeitzonenannahme. Mengen und repräsentative Werte mit der Stichprobe vergleichen. Eine gefundene IP bleibt ein extrahierter Wert und ist keine Identitätsaussage; ein Datumswert ist nicht automatisch ein Geschäftsvorgang.
Wenn Eingaben Kontakt- oder Netzwerkkennungen enthalten können, vor bulk-email-extractor, phone-number-extractor oder ip-address-extractor Berechtigung und Mindestumfang festlegen. Zugriff auf Rohwerte begrenzen, ausgelieferte Felder und Zeilen dokumentieren und die Übergabekopie bei Bedarf maskieren oder pseudonymisieren. Das Ergebnis erst akzeptieren, wenn Zielfelder vorhanden, unerwartete Treffer erklärt, Kontext erhalten und die Übergaberegel eingehalten ist.
Workflow-Leitfaden
Bewahre eine unveränderte Kopie auf und notiere die erwarteten Felder. Nutze `text-extractor` für einen breiten ersten Durchlauf oder `bulk-url-extractor`, wenn nur HTTP- und HTTPS-Links gesammelt werden sollen. Bewahre die Baseline für den Vergleich mit gezielten Ergebnissen auf.
Bei HTML zuerst `html-attribute-extractor` oder `image-source-extractor` verwenden, wenn Attribute, Links oder Bildquellen wichtig sind; `new-html-tag-stripper` danach nur für eine lesbare Textableitung einsetzen. Bei Markdown `markdown-link-extractor` nutzen und die Linkliste getrennt vom Lesetext prüfen.
Nutze `ip-address-extractor` für IPv4- und IPv6-Kandidaten und `date-extractor` für Datumswerte in gemischten Einträgen. Bewahre Originalzeile, benachbartes Ereignis und angenommene Zeitzone auf; eine IP ist kein Identitätsnachweis und ein Datum erhält nicht automatisch eine fachliche Bedeutung.
Nutze `text-extractor` für eine erste Suche in gemischtem Text, wenn die Felder noch nicht feststehen. Wähle `bulk-url-extractor` oder einen anderen gezielten Extraktor, sobald Feld, Deduplizierung und Verwendungszweck bekannt sind.
Bei HTML sollten Attribute oder Bildquellen vor dem Entfernen der Tags extrahiert werden, wenn das Markup Bedeutung trägt. Bei Markdown trennt `markdown-link-extractor` Inline-, Referenz- und freie URLs. Protokolle werden als zeilenweise Datensätze und nicht als ein Absatz behandelt.
Extrahiere E-Mail-, Telefon- oder IP-Felder nur mit Berechtigung und im kleinsten erforderlichen Umfang. Schütze Rohwerte, liefere bei Bedarf maskierte oder pseudonymisierte Daten und behandle einen Extraktor nicht als Anonymisierungs- oder Compliance-Kontrolle.
Wenn der berechtigte Auftrag Kontakt- oder Netzwerkkennungen umfasst, mit `bulk-email-extractor`, `phone-number-extractor` und bei Bedarf `ip-address-extractor` das kleinste nötige Inventar erstellen. Zahlen mit einer Stichprobe vergleichen, Rohwerte beschränken und die Übergabe maskieren oder pseudonymisieren; die Werkzeuge anonymisieren nicht automatisch.