Trích xuất toàn bộ hình ảnh từ một trang web: công cụ đọc được gì, đo được gì và giới hạn ở đâu
Công cụ nhận một địa chỉ trang, máy chủ của Tấn Phát Digital tải mã HTML của trang đó rồi đọc mọi nơi có thể khai báo ảnh: thẻ img, srcset, thẻ source trong picture, các thuộc tính lazy-load như data-src, ảnh nền CSS trong style inline và khối style, og:image, favicon, poster của video. Mỗi ảnh được ghép về đường dẫn đầy đủ, bỏ trùng, rồi được kiểm tra thêm định dạng thật và dung lượng qua tiêu đề HTTP. Kết quả hiện dạng lưới hoặc bảng kèm kích thước, dung lượng, alt và nguồn khai báo; bạn lọc theo định dạng, nguồn, độ rộng tối thiểu, chọn ảnh cần lấy rồi tải một file ZIP, sao chép danh sách URL hoặc xuất CSV.
Tính năng nổi bật
- Quét chín nguồn khai báo ảnh: img, srcset, picture/source, lazy-load (data-src, data-lazy-src, data-original...), CSS background, og:image và twitter:image, favicon, video poster, link preload
- Máy chủ tự tải HTML nên không phụ thuộc dịch vụ proxy công cộng, không lộ URL bạn nhập cho bên thứ ba
- Tôn trọng thẻ base và ghép đúng đường dẫn tương đối kể cả khi quét trang nằm sâu trong thư mục con
- Kiểm tra từng ảnh qua HTTP để lấy dung lượng thật và định dạng thật từ content-type, không chỉ đoán theo đuôi file
- Đo kích thước thật của ảnh ngay trong trình duyệt khi ảnh hiển thị, không cần thẻ img khai báo width/height
- Bộ lọc theo định dạng (JPG, PNG, WebP, SVG, GIF, AVIF, ICO), theo nguồn khai báo, theo độ rộng tối thiểu và tìm theo tên file hoặc alt
- Chọn từng ảnh hoặc chọn tất cả ảnh đang lọc, tải về một file ZIP duy nhất tối đa 200 ảnh với tên file có đuôi đúng định dạng
- Sao chép toàn bộ URL ảnh vào clipboard hoặc xuất CSV gồm URL, tên file, định dạng, nguồn, kích thước, dung lượng, alt và mã HTTP
- Đếm riêng số thẻ img thiếu alt và số ảnh lỗi để dùng cho việc soát SEO hình ảnh
- Tải ảnh đi qua máy chủ trung gian nên không bị chặn bởi CORS hay hotlink protection của máy chủ ảnh
Khi nào cần một danh sách đầy đủ ảnh của cả trang
Có bốn tình huống mà bấm chuột phải lưu từng ảnh không giải quyết nổi. Thứ nhất là soát SEO hình ảnh: bạn cần thấy đồng thời mọi ảnh của trang, ảnh nào thiếu alt, ảnh nào nặng quá vài trăm KB, ảnh nào vẫn dùng JPG hoặc PNG thay vì WebP hay AVIF, và bảng kết quả ở đây bày đủ những cột đó để sắp xếp và lọc. Thứ hai là kiểm kê tài nguyên khi tiếp nhận một website cũ hoặc trước khi chuyển nền tảng, lúc bạn cần biết trang gọi ảnh từ những tên miền nào, tổng dung lượng bao nhiêu, và file CSV xuất ra chính là bảng kiểm kê. Thứ ba là lấy lại ảnh của chính mình từ một trang mình sở hữu nhưng không còn vào được phần quản trị, nút tải ZIP giải quyết việc đó trong một lần bấm. Thứ tư là kiểm tra ảnh chia sẻ mạng xã hội: og:image và twitter:image được liệt kê riêng theo nguồn nên bạn biết ngay trang đang khai báo ảnh nào cho Facebook và Zalo. Ngoài các việc đó, hãy cân nhắc kỹ, vì tải ảnh của người khác về dùng lại là chuyện bản quyền chứ không phải chuyện kỹ thuật.
Lợi ích khi sử dụng
- Thấy toàn bộ ảnh của một trang kèm định dạng, kích thước, dung lượng và alt trong một màn hình
- Bắt được ảnh khai báo qua srcset, picture, lazy-load và CSS background mà công cụ chỉ đọc thẻ img sẽ bỏ sót
- Tải hàng loạt về một file ZIP thay vì trình duyệt hỏi xác nhận từng tệp
- Tên file tải về có đuôi đúng định dạng thật, kể cả khi URL gốc không có phần mở rộng
- Không phải mở công cụ dành cho nhà phát triển rồi dò từng thẻ ảnh
- Không cần cài phần mềm quét web, tiện ích mở rộng hay biết dòng lệnh
Cách trích xuất ảnh từ một trang
- 1Dán địa chỉ trang cần quét vào ô nhập, có hoặc không có phần https:// đều được, rồi bấm nút Trích xuất ảnh hoặc nhấn Enter.
- 2Chờ máy chủ tải HTML và kiểm tra dung lượng từng ảnh; trang có vài trăm ảnh có thể mất mười tới hai mươi giây vì mỗi ảnh được gửi một yêu cầu HEAD.
- 3Đọc khối tổng quan: tổng số ảnh, tổng dung lượng đã đo, số thẻ img thiếu alt, số ảnh lỗi, và các thẻ định dạng có thể bấm để lọc nhanh.
- 4Thu hẹp danh sách bằng bộ lọc định dạng, nguồn khai báo, độ rộng tối thiểu tính bằng pixel hoặc tìm theo tên file và alt; bật Ẩn ảnh lỗi để bỏ những ảnh không hiển thị được.
- 5Chuyển giữa lưới và bảng bằng hai nút góc phải; dạng bảng phù hợp khi cần đối chiếu kích thước, dung lượng và alt của nhiều ảnh cùng lúc.
- 6Tích chọn ảnh cần lấy hoặc bấm Chọn tất cả; nếu không chọn gì thì các nút Tải ZIP, Sao chép URL và Xuất CSV áp dụng cho toàn bộ ảnh đang hiển thị.
- 7Bấm Tải ZIP để nhận một file nén đặt tên theo tên miền, mỗi ảnh bên trong đã có đuôi đúng định dạng; hoặc bấm Tải trên từng ảnh để lấy riêng.
Công cụ lấy nội dung trang bằng cách nào và dữ liệu của bạn đi đâu
Trình duyệt không cho phép một trang web tự đọc mã HTML của trang thuộc tên miền khác, đó là quy tắc cùng nguồn gốc. Vì vậy phần tải trang chạy trên máy chủ của Tấn Phát Digital: máy chủ nhận địa chỉ bạn nhập, kiểm tra để chắc chắn đó là địa chỉ công khai chứ không phải mạng nội bộ, tải HTML về với giới hạn bốn megabyte và thời gian chờ mười lăm giây, rồi gửi danh sách ảnh đã phân tích về trình duyệt. Địa chỉ bạn nhập không đi qua dịch vụ bên thứ ba nào và không được lưu lại sau khi xử lý xong. Dù vậy, đừng dán vào đây những đường dẫn chứa mã phiên đăng nhập hay khóa truy cập, vì máy chủ đích sẽ thấy yêu cầu đến từ địa chỉ IP của máy chủ chúng tôi chứ không phải của bạn. Phần đo kích thước ảnh thật thì chạy ngay trong trình duyệt của bạn khi ảnh được hiển thị, và phần tải ZIP đi qua một đường proxy để tránh bị chặn CORS, cũng không lưu file.
Chín nguồn khai báo ảnh được quét và ý nghĩa của cột Nguồn
Ảnh trên một trang web hiện đại không chỉ nằm trong thuộc tính src của thẻ img. Công cụ đọc lần lượt: thuộc tính src của img; thuộc tính srcset của img, nơi khai báo nhiều phiên bản kích thước cho màn hình khác nhau; thẻ source bên trong thẻ picture, nơi khai báo phiên bản WebP hoặc AVIF thay thế; các thuộc tính lazy-load mà thư viện tải trễ hay dùng như data-src, data-lazy-src, data-original, data-srcset; ảnh nền khai báo bằng background-image trong style inline của bất kỳ thẻ nào và trong khối style của trang; og:image và twitter:image trong thẻ meta dùng cho xem trước khi chia sẻ; favicon và apple-touch-icon trong thẻ link; poster của thẻ video; và link rel preload as image. Cột Nguồn trong bảng ghi ảnh được tìm thấy ở đâu, và khi cùng một URL xuất hiện ở nhiều nơi thì nhãn Thẻ img được ưu tiên. Bộ lọc theo nguồn có ích khi bạn chỉ muốn xem ảnh chia sẻ mạng xã hội, hoặc muốn loại favicon và ảnh nền trang trí ra khỏi danh sách tải.
Vì sao danh sách vẫn có thể thiếu ảnh so với những gì bạn nhìn thấy
Công cụ đọc mã HTML mà máy chủ trả về, không chạy JavaScript của trang. Với các website dựng giao diện hoàn toàn bằng JavaScript phía trình duyệt, hoặc các trang chỉ tải thêm ảnh khi bạn cuộn xuống hay bấm nút xem thêm, những ảnh đó không có trong HTML ban đầu và không xuất hiện trong kết quả. Nhóm thiếu thứ hai là ảnh nằm trong tệp CSS ngoài, vì công cụ chỉ đọc style inline và khối style trong HTML chứ không tải thêm các tệp .css. Nhóm thứ ba là ảnh nằm sau đăng nhập hoặc tường trả phí, vì máy chủ truy cập ẩn danh nên chỉ thấy phần công khai. Nhóm thứ tư là ảnh nhúng trực tiếp dạng data URI, được đếm riêng và bỏ qua vì không có đường dẫn để tải. Cuối cùng, một số website trả về nội dung khác cho máy chủ so với cho trình duyệt thật, hoặc chặn hẳn truy cập tự động bằng Cloudflare hay các dịch vụ tương tự; khi đó bạn nhận thông báo lỗi HTTP 403 hoặc 429 dù địa chỉ hoàn toàn đúng.
Cột Kích thước, Dung lượng và Định dạng được lấy từ đâu
Ba cột này đến từ ba nguồn khác nhau nên độ tin cậy cũng khác nhau. Định dạng trước hết đoán theo phần mở rộng trong URL, kể cả tham số format hay fm của các dịch vụ tối ưu ảnh; nếu URL không có đuôi thì lấy theo content-type mà máy chủ ảnh trả về khi công cụ gửi yêu cầu HEAD. Dung lượng lấy từ tiêu đề content-length của cùng yêu cầu HEAD đó; máy chủ nào không cho HEAD thì công cụ thử lại bằng GET với Range một byte để đọc content-range. Máy chủ nào không trả cả hai thì ô dung lượng hiện dấu gạch ngang, và với trang trên hai trăm ảnh thì chỉ hai trăm ảnh đầu được kiểm tra để giữ thời gian phản hồi hợp lý. Kích thước thì khác: công cụ không tải toàn bộ ảnh về máy chủ để giải mã, mà đọc naturalWidth và naturalHeight ngay trong trình duyệt của bạn khi ảnh hiển thị trong lưới. Điều đó có nghĩa kích thước chỉ xuất hiện sau khi ảnh đã tải xong trên màn hình, và ảnh nào bị lỗi thì lấy tạm từ thuộc tính width, height trong HTML nếu có. Bộ lọc độ rộng tối thiểu dùng đúng giá trị đó, nên hãy cuộn qua lưới một lượt để ảnh tải hết trước khi lọc.
Tải ZIP hoạt động ra sao và vì sao vài ảnh bị bỏ khỏi file nén
Khi bấm Tải ZIP, trình duyệt của bạn lần lượt lấy từng ảnh qua đường proxy trên máy chủ, tối đa sáu ảnh cùng lúc, rồi đóng gói ngay trong trình duyệt bằng thư viện JSZip và lưu thành một tệp đặt tên theo tên miền của trang. Đường proxy được thêm vì rất nhiều máy chủ ảnh, đặc biệt là mạng phân phối nội dung có bảo vệ chống dẫn nguồn, không cho trình duyệt của tên miền khác tải trực tiếp; máy chủ trung gian gửi kèm Referer là chính trang gốc nên phần lớn trường hợp đi qua được. Tên tệp trong ZIP lấy từ URL và được thêm đuôi đúng định dạng thật nếu URL không có đuôi; hai ảnh trùng tên thì tệp sau được đánh số. Một lần tải giới hạn hai trăm ảnh và mỗi ảnh không quá bốn mươi megabyte. Ảnh nào máy chủ đích từ chối, trả về mã lỗi, hoặc trả về thứ không phải ảnh thì bị bỏ khỏi file nén và số lượng bị bỏ hiện ngay dưới nút trong lúc gom. Nếu chỉ cần vài ảnh, bấm nút Tải trên từng ô nhanh hơn vì không phải chờ nén.
Dùng công cụ để soát SEO hình ảnh: đọc số liệu như thế nào
Khối tổng quan đưa ra hai con số đáng chú ý nhất cho người làm SEO. Số thẻ img thiếu alt đếm riêng các ảnh trong thẻ img có alt trống, không tính ảnh nền hay favicon vốn không cần alt; con số này nên bằng không với ảnh nội dung, còn ảnh trang trí thuần túy thì nên có alt rỗng có chủ đích chứ không phải thiếu thuộc tính. Tổng dung lượng đã đo cho biết trang đang bắt người dùng tải bao nhiêu megabyte ảnh, và bảng sắp theo cột Dung lượng sẽ chỉ ra vài ảnh nặng nhất thường chiếm phần lớn con số đó. Thẻ định dạng ở khối tổng quan cho thấy tỉ lệ WebP và AVIF so với JPG và PNG; trang vẫn toàn JPG thì chuyển định dạng là việc dễ làm nhất để cải thiện LCP. Cột Kích thước đối chiếu với kích thước hiển thị thực tế sẽ lộ ra những ảnh 3000 pixel bị co lại còn 300 pixel trên giao diện. Đây là soát nhanh một trang; muốn quét cả website và đo thời gian tải thì cần công cụ kiểm toán chuyên dụng, còn muốn nén hay đổi định dạng thì dùng công cụ nén ảnh và chuyển đổi định dạng ảnh cũng có trên trang này.
Tôn trọng robots.txt, điều khoản sử dụng và bản quyền hình ảnh
Trước khi quét một website không phải của mình, hãy mở tệp robots.txt đặt ở gốc tên miền đó và xem đường dẫn bạn định quét có nằm trong mục cấm hay không. Tệp này là quy ước chung mà các bộ thu thập dữ liệu tự nguyện tuân thủ, và công cụ ở đây không tự kiểm tra giúp bạn, nên trách nhiệm là ở người dùng. Kế đó hãy đọc điều khoản sử dụng của trang, nhiều website ghi rõ cấm thu thập dữ liệu tự động, và việc quét bất chấp điều khoản có thể dẫn tới chặn địa chỉ mạng hoặc rắc rối pháp lý. Về bản quyền, mặc định mọi ảnh đăng trên web đều thuộc về tác giả hoặc chủ sở hữu, việc tải về máy để xem là một chuyện, còn đăng lại trên website của bạn, đưa vào ấn phẩm hay dùng cho quảng cáo lại là chuyện khác và cần có giấy phép. Ảnh phát hành theo giấy phép Creative Commons thường vẫn buộc ghi nguồn tác giả. Nguyên tắc an toàn: chỉ tải để tham khảo hoặc để kiểm tra kỹ thuật, còn muốn dùng lại thì xin phép hoặc mua ảnh có giấy phép rõ ràng.
Câu hỏi thường gặp (FAQ)
Công cụ chạy hoàn toàn trên máy tôi hay có gửi dữ liệu đi?
Phần tải HTML chạy trên máy chủ của Tấn Phát Digital vì trình duyệt không được phép đọc trang thuộc tên miền khác. Địa chỉ bạn nhập không đi qua dịch vụ bên thứ ba và không được lưu lại. Phần đo kích thước ảnh và đóng gói ZIP chạy ngay trong trình duyệt của bạn.
Vì sao báo lỗi HTTP 403 hoặc 429 dù địa chỉ đúng?
Trang đích đang chặn truy cập tự động, thường bằng Cloudflare hoặc dịch vụ tương tự, hoặc đang giới hạn số lượt từ một địa chỉ IP. Máy chủ của công cụ không vượt qua các lớp xác minh trình duyệt đó. Hãy thử lại sau vài phút hoặc thử với trang khác cùng website.
Vì sao trang có hàng chục ảnh mà chỉ tìm thấy vài cái?
Công cụ đọc HTML tĩnh, không chạy JavaScript. Website dựng giao diện bằng JavaScript hoặc chỉ tải ảnh khi cuộn sẽ giấu phần lớn ảnh khỏi HTML ban đầu. Ảnh nằm trong tệp CSS ngoài và ảnh sau đăng nhập cũng ngoài phạm vi quét.
Cột Nguồn ghi srcset, picture, lazy-load, CSS background nghĩa là gì?
Đó là nơi công cụ tìm thấy ảnh trong HTML: thuộc tính srcset của img, thẻ source trong picture, các thuộc tính data-src của thư viện tải trễ, hay background-image trong CSS. Cùng một URL xuất hiện ở nhiều nơi thì nhãn Thẻ img được ưu tiên. Dùng bộ lọc nguồn để loại favicon hoặc ảnh nền khỏi danh sách tải.
Ô Kích thước hiện dấu gạch ngang là do đâu?
Kích thước được đo trong trình duyệt khi ảnh hiển thị xong trong lưới. Ảnh chưa cuộn tới, ảnh đang tải hoặc ảnh lỗi sẽ chưa có số. Hãy cuộn qua toàn bộ lưới một lượt, hoặc tắt Ẩn ảnh lỗi để xem ảnh nào không tải được.
Ô Dung lượng hiện dấu gạch ngang là do đâu?
Máy chủ ảnh không trả content-length khi công cụ gửi yêu cầu HEAD hoặc GET Range, thường gặp với ảnh được nén động hoặc phục vụ qua một số CDN. Ngoài ra với trang trên hai trăm ảnh, chỉ hai trăm ảnh đầu được kiểm tra dung lượng.
Tải ZIP được tối đa bao nhiêu ảnh?
Mỗi lần tối đa hai trăm ảnh, mỗi ảnh không quá bốn mươi megabyte. Nếu trang nhiều ảnh hơn, hãy dùng bộ lọc định dạng hoặc độ rộng tối thiểu để chia thành nhiều lượt, hoặc tích chọn đúng những ảnh cần.
Vì sao trong lúc gom ZIP báo vài ảnh không tải được?
Máy chủ ảnh từ chối yêu cầu từ máy chủ trung gian, trả về mã lỗi, hoặc trả về thứ không phải ảnh. Những ảnh đó bị bỏ khỏi file nén, phần còn lại vẫn được đóng gói bình thường. Với ảnh bị bỏ, hãy bấm Mở để xem trực tiếp rồi lưu bằng chuột phải.
Tên file trong ZIP lấy từ đâu và có đuôi định dạng không?
Tên lấy từ phần cuối của URL ảnh. Nếu URL không có đuôi, công cụ thêm đuôi theo content-type mà máy chủ ảnh trả về, ví dụ .webp hay .jpg. Hai ảnh trùng tên thì tệp sau được đánh số để không ghi đè.
Số thẻ img thiếu alt tính như thế nào?
Chỉ đếm ảnh trong thẻ img có thuộc tính alt trống hoặc không có, không tính ảnh nền CSS, favicon, og:image hay poster video vì các nguồn đó không cần alt. Ảnh thiếu alt được đánh dấu đỏ trong lưới và bảng để dễ tìm.
Xuất CSV gồm những cột gì?
URL, tên file, định dạng, nguồn khai báo, chiều rộng, chiều cao, dung lượng tính bằng byte, alt và mã HTTP khi kiểm tra. File có BOM UTF-8 nên mở bằng Excel không lỗi dấu tiếng Việt. CSV áp dụng cho ảnh đã chọn, hoặc toàn bộ ảnh đang hiển thị nếu chưa chọn gì.
Tôi có được phép trích xuất ảnh của bất kỳ website nào không?
Không nên. Hãy xem tệp robots.txt ở gốc tên miền để biết đường dẫn có bị chặn thu thập không, và đọc điều khoản sử dụng vì nhiều website cấm thu thập dữ liệu tự động. Công cụ không tự kiểm tra hai thứ đó, trách nhiệm thuộc về người dùng.
Tải ảnh về rồi đăng lại trên website của tôi có sao không?
Có thể vi phạm bản quyền. Mặc định ảnh trên web thuộc về tác giả hoặc chủ sở hữu, tải về xem là một chuyện, đăng lại hay dùng cho quảng cáo là chuyện khác. Ảnh theo giấy phép Creative Commons thường vẫn buộc ghi nguồn. An toàn nhất là xin phép hoặc mua ảnh có giấy phép rõ ràng.
Từ khóa liên quan
- image extractor online
- trích xuất hình ảnh từ website
- lấy toàn bộ hình ảnh từ website
- tải hàng loạt ảnh từ một trang web
- tải tất cả ảnh trên trang web về zip
- công cụ crawl ảnh online
- lấy link ảnh từ website
- trích xuất url hình ảnh
- kiểm tra thuộc tính alt của ảnh
- kiểm tra dung lượng ảnh trên website
- audit hình ảnh seo
- image crawler online
- download ảnh từ url
- ảnh lazy load không hiện
- srcset và thẻ picture
- og image là gì
- quy tắc cùng nguồn gốc cors
- chống dẫn nguồn hotlink
- robots txt là gì
- bản quyền hình ảnh trên internet