AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

PropellerAds
Google-Bing-Mediago-Criteo开户
⚡️按条S5代理⚡️静态⚡️独享⚡️5G广告专用虚拟卡/U充值/高返点皇家代理IP⚡️#1性价比⚡️
Mediabuy⚡️玩家开户首选【鲁班跨境通-自助充值转账】FB/GG/TT❤️官方免费开户Affiliate 全媒体流量资源⚡️
Taboola/Outbrain /Bing⚡️一级代理开户投流-7*24h❤️人工在线【官方】❤️搜索套利买量投流开户独立站⚡️开户投放
⚡️AdsPower:安全不封号,高效自动化Google FB TK游戏代投⚡️E.PN 虚拟卡⚡️BINOM TRACKER 60% OFF!
比Adplexity还好用的Spy工具ADPLEXITY + ADVERTCN7200W全球动态不重复住宅IP代理全球虚拟卡, 支持U充值
各种主页、账单户、BM户(优势)⚡️TikTok企业户,bm户,账单户IPCola原生住宅IP⚡️$1.8/条双ISPFB海外户、GG老户、TK加白老户
海外CL企业户源头PTM虚拟卡[全新卡BIN+高返点]FB虚拟卡⚡️消费越多返现越多最大欧洲Nutra网盟BA找量
高品质·稳定高速纯净IP FB个号1块一个TikTok2审户/老户/国内外端口/加白SX.ORG 高质量代理⚡235+ 地区
跨境债务催收/风险代理高权重Google老户[卖户+筛户等级] 海外斗篷・智能广告过审率高达 99%DataImpulse⚡️纯净住宅代理仅 $1
广告位出租8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构 
查看: 9877|回复: 7

[业界] 求推荐一个一键提取网站里面的URL且根据域名去重复的小...

[复制链接]

36

主题

210

广告币

294

积分

初级会员

Rank: 2

积分
294
发表于 2016-2-26 16:08:04 | 显示全部楼层 |阅读模式
回复

使用道具 举报

2

主题

1475

广告币

1818

积分

高级会员

Rank: 4

积分
1818

社区QQ达人

发表于 2016-2-26 16:17:11 | 显示全部楼层
  1. #region 抓取全站链接, Y4 u' W% }# q  f- v& D
  2.         public static List<string> GetAllHref(string url)
    7 C% r; b; v" D; O$ ~
  3.         {
    - N( p3 I: _3 H9 q: Y+ ]9 _) N# D
  4.             List<string> allHref = new List<string>();, ]5 |- I1 s* q8 n( ~4 Q
  5.             try
      ?7 k+ c) ]9 _0 d! K
  6.             {
    1 q$ E( e  ?" O5 }! f3 t* `
  7.                 string strhtml = soso.getHtml(url, "", true);
    6 F, }  \, m+ l5 N/ E2 ], n
  8.                 if (strhtml != "error")1 o" A5 I& V) B/ i
  9.                 {: j3 Y, v7 D* q( Z
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    ( x% I; V0 b0 ~0 c4 ~3 V
  11.                     MatchCollection mc = reg.Matches(strhtml);5 U9 U, s& ]5 |$ T7 i$ h
  12.                     foreach (Match m in mc)4 T9 a' L0 M- M
  13.                     {
    & F2 ~$ a0 y. b( v% e# {& }' H5 K5 Z% N
  14.                         Uri uri = new Uri(url);* b7 u  c. H* H
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);8 `+ g4 e. K, W+ X
  16.                         string fullUrl = "";! g" R9 |9 j) g
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    0 @0 Z# E9 L+ ^- h5 ?: D
  18.                         {
    ( {- O! ?% K& y7 d8 o; N7 M
  19.                             fullUrl = m.Groups["url"].Value;) ]! ^6 b# n* t2 ?7 N1 }
  20.                         }
    3 L# e# _! s( m! f8 l1 s& p
  21.                         else
    : X/ b9 A8 R) x: T. D$ P5 x6 ]0 z
  22.                         {% [, ?7 F) c' p/ Q8 s2 m
  23.                             fullUrl = thisUri.ToString();8 Y) |+ `+ C0 T) V  D
  24.                         }! z5 o9 }' t" g1 D3 Q" f% h
  25.                         allHref.Add(fullUrl);
    8 K) H2 V4 \7 G* v; Z! r' ~- }* l
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    : c# [$ X7 ?5 g+ z4 e
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);$ i) O2 H" o5 Y: F7 ]* U$ b, C
  28.                         //Console.WriteLine("补全链接:" + fullUrl);/ u+ ?7 {' l# N, o; n" M
  29.                         //Console.WriteLine("…………………………………………");
    8 S7 Y/ z+ G4 N5 k5 t7 M
  30.                     }& b; j3 @5 O& E/ O9 e& g
  31.                 }
    8 E! |, p. U- n: D; {/ w! y, v
  32.             }( V" K% D; S$ j8 f/ y% r7 `1 f* G
  33.             catch (Exception ex)
    # ?, v" S' b9 j: c
  34.             { }
    0 i& [/ k1 v2 X4 c  U  |4 L
  35.             return allHref;
    1 g& ]. {+ v# z* k
  36.         }0 L  f" @+ e# S
  37.         #endregion
复制代码

8 X( p  x: y- x- w- e& X. D# x6 I$ K( y2 X, q
  1. ; K) W1 X/ M! J5 I

  2. , d. v8 F6 J: J9 H! m
  3. # E9 r) |- S2 o$ K5 h( r& y, H
  4. #region 数据去重! [# B; d$ m& K9 N& T" V1 R
  5.         /// <summary>
    4 g5 w3 r) J2 P2 ~; g; ^! [8 e
  6.         /// List<string>去重: ?( @: Q3 h: T% R. R& i
  7.         /// </summary>
    1 F; ?# C3 j3 _. H
  8.         /// <param name="list"></param># ?% d2 U6 p5 K
  9.         /// <returns></returns>
    : n  e$ u7 P0 J0 H% s/ H8 L
  10.         public static List<string> getUnqueList(List<string> list)
    ) s/ ~2 o. x& q7 G7 g
  11.         {, d5 G! a, z; F* M. o6 w
  12.             List<string> list1 = new List<string>();
    % R. F4 M$ N* L
  13.             Hashtable hash = new Hashtable();7 f& r; i# H4 u- S' H
  14.             foreach (string s in list): S0 y( n: c5 o" A
  15.             {
    / e2 }4 U$ g( D5 `5 f0 f& B2 p) r
  16.                 if (!hash.ContainsKey(s))* L8 |6 u% x. b5 y7 H
  17.                 {
    0 Y* |+ u/ z: r; U
  18.                     hash.Add(s, s);4 @) V! [: M7 \8 v% |7 _
  19.                     list1.Add(s);, ]) \' h+ R" n1 V+ K
  20.                 }
    $ m( e% ], u# S
  21.             }$ ~% B" g2 S, h
  22.             hash.Clear();# |! G7 i& B. G* u4 [; U
  23.             hash = null;
    . q3 K& J* o" c7 l1 L
  24.             return list1;3 T1 {+ t" e- N2 l% L4 X
  25.         }! `4 z2 J0 Z5 u- W  E( S
  26.         #endregion
复制代码
1 P+ @! X  P6 W9 ^, e0 K$ p
$ ^/ ^+ Y3 O. M' z2 {  W. O: J2 K% d

点评

谢谢分享  发表于 2016-2-27 15:15
十分感谢!!!非常感谢!!  详情 回复 发表于 2016-2-26 16:20
回复 支持 反对

使用道具 举报

36

主题

210

广告币

294

积分

初级会员

Rank: 2

积分
294
 楼主| 发表于 2016-2-26 16:20:16 | 显示全部楼层

' r$ V4 i: S; T7 ^! v: b# |十分感谢!!!非常感谢!!

点评

缺少一个gethtml,用下面这个:  详情 回复 发表于 2016-2-26 16:23
回复 支持 反对

使用道具 举报

2

主题

1475

广告币

1818

积分

高级会员

Rank: 4

积分
1818

社区QQ达人

发表于 2016-2-26 16:23:12 | 显示全部楼层
guys 发表于 2016-2-26 16:20
% B* v0 i- j$ I; W( L& e* e' z十分感谢!!!非常感谢!!

8 d  H! {& S9 Y缺少一个gethtml,用下面这个:+ d, U4 t) d8 Y  O
  1.      public string getHtml(string url, string charSet, bool UseUTF8CharSet)//url是要访问的网站地址,charSet是目标网页的编码,如果传入的是null或者"",那就自动分析网页的编码 2 N& ?7 k) J* {3 {
  2.         {3 H7 [& Y* c, c" G
  3.             string strWebData = "error";
    - X! n, m& g/ B$ Z
  4.             try
    5 N  l& \) I6 M: }3 ^* Z# Z
  5.             {
    ) O; I5 V2 ~  t+ W* ~+ y
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient ; n, Z% w9 R3 V& L9 O% s: K
  7.                 // 需要注意的: * w; ]* f4 [# M9 t1 t' n  E
  8.                 //有的网页可能下不下来,有种种原因比如需要cookie,编码问题等等 - F1 P3 g, C1 O- l) B  {" ]
  9.                 //这是就要具体问题具体分析比如在头部加入cookie : v7 H  D4 y& M) P- i
  10.                 // webclient.Headers.Add("Cookie", cookie);
    # m" T% n6 v9 b
  11.                 //这样可能需要一些重载方法。根据需要写就可以了. @8 T8 \0 T- }1 S+ G: ?
  12.                 myWebClient.Headers.Add("User-agent", "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)");$ o# o/ P3 y! K6 o# d( u/ {( g8 v0 N
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    3 i" V9 L4 G( D9 t
  14.                 //获取或设置用于对向 Internet 资源的请求进行身份验证的网络凭据。
    2 Q/ O2 {8 K8 x0 |. S; P7 _) b" W
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    " O' N7 M5 V, F# z' E8 q3 S1 R9 n5 Q( a
  16.                 //如果服务器要验证用户名,密码 3 q* q+ z; N8 K2 V( |, M" T% J
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); 1 i2 z2 o& l7 V; r  h$ D8 e% W7 @
  18.                 //myWebClient.Credentials = mycred; 6 c! ~3 H! e9 R7 P
  19.                 //从资源下载数据并返回字节数组。(加@是因为网址中间有"/"符号)
    2 N9 M9 Q/ l- x& p2 z: q8 ]
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);5 P* D' V& _5 \$ H9 T! ^1 y
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    " i6 b$ L. Y: q0 A7 H

  22. 6 ~: l- t) Q- p. U& w" H& ]
  23.                 //获取网页字符编码描述信息
    2 V1 U7 A: j) x, J
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);$ ^( d  p7 i" N; {6 s
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
    ! u; x0 \  L* V9 f" u2 s
  26.                 if (charSet == null || charSet == "")) L! M& Z: h- `1 Z( ^5 ]
  27.                     charSet = webCharSet;
    2 t( q% Z# H+ R. v1 Y; ~6 O
  28.                 if (charSet.Length > 0)
    2 x* W5 K# A& {
  29.                 {, J2 b$ H) K3 K$ m3 ~2 l
  30.                     charSet = charSet.Replace(""", "");. w# b% r/ u# U! t1 P: I% G
  31.                 }
    6 G1 z6 Y: q  ]4 |$ K- v1 ], d
  32.                 if (UseUTF8CharSet)3 B1 ]4 M% J' k! {+ g* w
  33.                 {0 E. I2 D/ m' V3 }
  34.                     if (charSet == null || charSet.Length == 0)/ L- Q% K! ?" o% m
  35.                     {
    ( @* Q$ K4 `3 S
  36.                         charSet = "utf-8";0 r; n" Y& E4 t, {8 H
  37.                     }- U' q0 M& \% i6 {: @! r- R+ A: f3 V
  38.                 }! o, q9 s! H( z8 O$ a3 P- W2 x( d: }
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)( P2 J0 m( ^: o2 U5 X) {: ~
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
      K3 Z5 P1 z) }4 e. u" H
  41. 8 D* [# \9 P1 k
  42.             }3 E; V* P. I/ R2 L  L: V
  43.             catch (Exception)& l% o/ S6 P+ r* P5 ~) L/ R" W5 r
  44.             {
    1 e1 Q. v; q9 s0 X9 K5 v
  45.                 strWebData = "error";
    % p0 K8 f) |, b7 V; v
  46.             }+ w% M6 m  }9 V

  47. 2 L, r* y  W% Z& Y9 C/ ?* D
  48.             return strWebData;4 T" p6 H% \; h
  49.         }
复制代码
. \! P9 T7 U" j$ M8 b& {1 W+ ~2 A
; R% B( V( w' ]0 a; l3 s
回复 支持 反对

使用道具 举报

0

主题

0

广告币

13

积分

新手上路

Rank: 1

积分
13
发表于 2016-2-26 19:05:59 | 显示全部楼层
weishaneweishane
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|联系我们|DMCA|广告服务|小黑屋|手机版|Archiver|Github|网站地图|AdvertCN

GMT+8, 2026-3-20 04:23 , Processed in 0.053703 second(s), 16 queries , Gzip On, MemCache On.

Copyright © 2001-2023, AdvertCN

Proudly Operating in Hong Kong.

快速回复 返回顶部 返回列表