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
FB稳定代理/住宅IP/ADV50打五折 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【智能风控】,过审率95%+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: 9864|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
    + q/ @8 V( Z1 `0 z$ Y
  2.         public static List<string> GetAllHref(string url)4 H  H2 x% E' M" t. V
  3.         {2 R$ B( p! ]+ L  ?  U
  4.             List<string> allHref = new List<string>();
    + n+ B* o# p4 O- n$ M
  5.             try
    ! l2 k& g% b& L% j4 I. A
  6.             {
    7 d0 n* t. y/ P& h" D* |
  7.                 string strhtml = soso.getHtml(url, "", true);+ W- X2 b2 G# I# D
  8.                 if (strhtml != "error")
    , O9 }" k! Y5 g! [
  9.                 {2 B& e$ T% F, C- ]! M
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");( b/ j7 Z  p6 \9 q2 c* U: D/ y
  11.                     MatchCollection mc = reg.Matches(strhtml);( I& \/ c7 u$ K5 T
  12.                     foreach (Match m in mc)
    # `6 b& l0 J6 F
  13.                     {
    ) @9 V1 L6 o: Y$ f" c
  14.                         Uri uri = new Uri(url);; m# L& P9 x9 b  x
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    , e9 W$ _7 C$ i# l' s8 l
  16.                         string fullUrl = "";
    ; y2 b9 ?: P4 l& X
  17.                         if (m.Groups["url"].Value.StartsWith("http"))* F% [# w# n# S+ \' B
  18.                         {. M) D8 P  {: J# H
  19.                             fullUrl = m.Groups["url"].Value;
    6 H9 [( s$ D  W4 q  }# {
  20.                         }
    6 \/ r% R% Q- k9 F- J, }* R
  21.                         else3 s5 i8 Q  |0 a6 T
  22.                         {
    6 `; a2 T/ w5 {& h% a
  23.                             fullUrl = thisUri.ToString();( n$ y- k4 [7 S7 S7 a7 |' @. Z4 Z
  24.                         }
    % ]( W' ]$ S+ Z
  25.                         allHref.Add(fullUrl);
    9 V. H# n3 ]* s! \4 E1 X5 k5 }% P
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);8 A5 t6 }6 u1 B& ~3 H# c6 I6 |) c
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);- t2 X) d4 g% m& I5 g, D
  28.                         //Console.WriteLine("补全链接:" + fullUrl);# W9 D& A: |# T
  29.                         //Console.WriteLine("…………………………………………");, Z1 v& H' j/ U: Y; ]% u
  30.                     }
    4 X0 C4 a, W5 q$ z
  31.                 }8 L7 \' K4 F" J- G1 {" x# \% Q
  32.             }0 I7 |8 c, v( k& W
  33.             catch (Exception ex)/ q. d: n) u2 r
  34.             { }- v* M" p: I) @* w0 N
  35.             return allHref;
    : V8 O6 S' a2 ?$ Y+ _# L
  36.         }
    9 Y6 L+ I5 E" M: A7 z9 Y7 f
  37.         #endregion
复制代码

! h  [6 L9 V2 o8 \' W7 d: T" S9 G/ f2 A" t

  1. ! R( M9 u1 i+ l
  2. & k2 O+ W& x# G3 h7 D% t
  3. $ B- M& P' ~( Z
  4. #region 数据去重
    # _& n! q) L# g% V* L' @
  5.         /// <summary>
    1 e# ^. |8 m" Z! z6 w" ~$ S
  6.         /// List<string>去重
    0 L/ r9 ]" T" {
  7.         /// </summary>
    * I: K7 |  f+ S
  8.         /// <param name="list"></param>
    " p2 o( `, t& z1 u
  9.         /// <returns></returns>: ^! A" Z9 `2 e$ E- a" e9 h1 }& ~
  10.         public static List<string> getUnqueList(List<string> list)
    # `3 F  V! [# o) S, |, X( S
  11.         {
    2 B) Q' s# Z2 Y  e  ?9 O0 q& T
  12.             List<string> list1 = new List<string>();
    1 `* E7 H/ g2 n
  13.             Hashtable hash = new Hashtable();5 E7 n4 n+ l4 Q. U) d9 K
  14.             foreach (string s in list)5 n6 B* h! }! Z! J1 a% ?
  15.             {/ V! Y9 N1 T# F( P8 t
  16.                 if (!hash.ContainsKey(s))0 P4 v# r8 `. h9 U, f
  17.                 {; u- F0 U" f9 ]2 A
  18.                     hash.Add(s, s);6 ~4 a8 Z6 d0 n* ^6 c9 e
  19.                     list1.Add(s);
    4 i0 Z; X7 l: X& J& O6 k
  20.                 }
    : O2 N+ ~  |  `2 l
  21.             }
    / D0 I0 ~! G" K: m& A
  22.             hash.Clear();3 @9 j- j! n5 _1 S$ d' p
  23.             hash = null;
    . W. @5 j! f3 s# D8 N- n2 c
  24.             return list1;0 f* `8 p5 D8 ]3 z
  25.         }1 {7 M1 e1 X" U$ F. m) k6 N
  26.         #endregion
复制代码

& ?' M- d  D4 R7 L; ~4 t# H  Q4 G1 z6 W" R

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
4 G5 D$ p* L, A0 J
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
* Y% z- @$ D* ^# \十分感谢!!!非常感谢!!
" c" X5 J! P+ L8 h- U
缺少一个gethtml,用下面这个:8 d+ a7 V" i2 |. g
  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 ) z7 H1 ^2 |2 F: {$ ~% l+ ~
  2.         {
    3 @: @* B/ ?$ n' K
  3.             string strWebData = "error";* `7 P( c5 ~( U9 @  @
  4.             try
    8 X% J  @  K0 T2 m. F1 R1 Q9 H2 a
  5.             {
    $ v, E1 B$ P, Y: U8 V8 d
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient : N; e4 g0 m6 o$ R" K
  7.                 // 需要注意的: % h0 G, _7 a0 q7 O
  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 1 M2 S+ y8 N+ B- m9 a
  9.                 //这是就要具体问题具体分析比如在头部加入cookie 5 L, w. K9 P6 n3 }
  10.                 // webclient.Headers.Add("Cookie", cookie); ! @1 y0 q1 M" R3 V* {8 D
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    9 k) d! I, z7 \/ H- L) n- |
  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)");
    ( s- F+ ^# T7 m2 S" A  i, h- T2 k
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");7 ^: `, U+ I2 A: n/ Q- v$ I
  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。 4 F* z3 u& O- |7 L$ A8 y
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    6 k5 m4 q6 r, y7 J
  16.                 //如果服务器要验证用户名,密码
    6 b. u$ b. g/ t9 C4 M* h# v
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    . z, x; z4 {) X. t9 w
  18.                 //myWebClient.Credentials = mycred; ' f5 F% T7 j' @! s
  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) : u6 D) c, {/ P% O  @
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);: ?+ I$ R7 H2 _8 c( ^6 W7 @8 Q, w5 l
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);- k& x% [; ^/ z3 C3 b# [* d
  22. # K4 \" q2 E! P2 @# G5 d
  23.                 //获取网页字符编码描述信息 4 c: }. ?5 s, B6 D& C- D% ^$ h1 E
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ) Q' h) o2 w) h6 r5 z0 x
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
    : j: g6 A( w8 l" Y+ g
  26.                 if (charSet == null || charSet == "")
    / ^/ f! w2 v! p, z: v- X$ f
  27.                     charSet = webCharSet;* _+ J) y9 I! @
  28.                 if (charSet.Length > 0)
    & y% H, `9 }! X1 _& r5 f
  29.                 {
    , B( a- X* q' ^$ p, V( I
  30.                     charSet = charSet.Replace(""", "");& e; Z% r& J( }* c
  31.                 }
    - i8 `, T5 h0 Z$ O1 U) x
  32.                 if (UseUTF8CharSet)
    ( \0 w1 k0 N. G1 R$ j8 c4 N
  33.                 {
    2 f8 I3 M! |& G* V+ R
  34.                     if (charSet == null || charSet.Length == 0)& H5 e, H% v# v  I2 \
  35.                     {
    5 o+ m; L8 q0 z) X. a$ p- x/ T2 w
  36.                         charSet = "utf-8";: I4 y% o& X  `( |9 r+ J$ ~7 N5 ^
  37.                     }, {$ u. `* K+ p4 ]  X
  38.                 }
    7 U- t7 R3 c. s9 `7 q$ e( ?) ~
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)4 R& V& c+ i4 h8 Z9 j& I3 ?
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    5 n" w" ~" E- I4 }& a$ Q# r& I: p. o

  41. 8 Y5 h1 p% v& }, o3 B
  42.             }
    # D7 Y' o' S( ~; o# |/ P- U
  43.             catch (Exception)
      H- ~/ X3 z$ C. ^2 Z
  44.             {
      i5 @9 w9 L, `
  45.                 strWebData = "error";
    % A5 y4 X! j9 f6 ^: S; v: {
  46.             }
    5 V/ L' l- q6 h6 O
  47. # C# t$ s+ w$ B; F1 p
  48.             return strWebData;
    5 b; H3 A% `3 r. I3 `
  49.         }
复制代码
2 w6 I1 c% w8 U# u
* K/ x% s3 ]' ?/ n8 H9 T! [6 l
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, 2026-3-14 13:01 , Processed in 0.060874 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