Elysia Tools
Navegação
Workflow Playbook
Transforme fontes mistas em resultados revisáveis com links, atributos, datas, campos de log e correspondências sensíveis usando uma rota de extração definida.
Temas
Este fluxo serve para obter sinais verificáveis de texto bruto, HTML, Markdown ou logs. Antes de abrir uma ferramenta, preserve a fonte e defina campos, formato, regra de duplicatas e o contexto que o revisor precisará. Uma amostra pequena de casos positivos e negativos é uma base de aceitação melhor do que pedir uma extração indiscriminada.
Use text-extractor quando os campos ainda não estiverem definidos. Se a tarefa já for coletar URLs, bulk-url-extractor estabelece um limite mais claro. Não transforme HTML em texto antes de decidir se atributos ou fontes de imagem fazem parte do resultado: use primeiro html-attribute-extractor ou image-source-extractor, depois new-html-tag-stripper para uma derivação legível. No Markdown, markdown-link-extractor preserva informações de sintaxe que o texto simples pode esconder.
ip-address-extractor e date-extractor fornecem campos candidatos, mas o resultado só é revisável se a linha original, o evento próximo e a suposição de fuso forem preservados. Compare quantidades e valores representativos com a amostra. Um IP encontrado continua sendo um valor extraído, não uma conclusão de identidade, e uma data não é automaticamente um evento de negócio.
Se a entrada puder conter identificadores de contato ou rede, defina autorização e escopo mínimo antes de usar bulk-email-extractor, phone-number-extractor ou ip-address-extractor. Limite o acesso aos valores brutos, registre quais campos e linhas foram entregues e mascare ou pseudonimize a cópia de entrega quando necessário. Aceite o resultado somente quando os campos esperados estiverem presentes, correspondências inesperadas forem explicadas, o contexto for preservado e o artefato seguir a política de tratamento.
Guia de fluxo de trabalho
Guarde uma cópia intacta e registre os campos esperados. Use `text-extractor` para uma primeira passagem em texto misto, ou `bulk-url-extractor` quando a tarefa já for limitada à coleta de links HTTP e HTTPS. Preserve a linha de base para comparar resultados específicos.
No HTML, use `html-attribute-extractor` ou `image-source-extractor` antes de `new-html-tag-stripper` quando atributos, links ou fontes de imagem forem importantes; use o removedor apenas para criar uma versão de texto legível. No Markdown, use `markdown-link-extractor` e revise a lista separadamente do texto.
Use `ip-address-extractor` para candidatos IPv4 e IPv6 e `date-extractor` para datas em registros mistos. Preserve a linha original, o evento próximo e a suposição de fuso horário; um IP extraído não prova uma identidade e uma data não ganha automaticamente significado de negócio.
Use `text-extractor` para uma primeira busca em texto misto quando os campos ainda estão sendo descobertos. Escolha `bulk-url-extractor` ou outro extrator específico quando o campo, a regra de deduplicação e o uso do resultado já estiverem definidos.
No HTML, extraia atributos ou fontes de imagem antes de remover tags quando a marcação tiver significado. No Markdown, use `markdown-link-extractor` para separar links inline, de referência e URLs isoladas. Trate logs como registros por linha, não como um parágrafo.
Extraia emails, telefones ou IPs somente com autorização e no menor escopo necessário. Controle os valores brutos, entregue dados mascarados ou pseudonimizados quando exigido e não trate um extrator como controle de anonimização ou conformidade.
Se a tarefa autorizada incluir identificadores de contato ou rede, use `bulk-email-extractor`, `phone-number-extractor` e, quando necessário, `ip-address-extractor` para montar o inventário mínimo. Compare contagens com uma amostra, limite valores brutos e mascare ou pseudonimize a entrega; as ferramentas não fazem anonimização automática.