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FB虚拟卡⚡️消费越多返现越多最大欧洲Nutra网盟BA找量 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GG,FB,TK, 欧美源头, 欢迎合作广告位出租
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: 9805|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1 L0 o+ _% H2 G( t
  2.         public static List<string> GetAllHref(string url)
    $ F0 F$ W- O2 z9 [+ e; j
  3.         {
    / }  s+ o( p/ h5 F6 L5 c
  4.             List<string> allHref = new List<string>();
    & A$ w" M' O! g  V
  5.             try1 b- Q3 m: A4 V+ k0 Y2 m+ d; S
  6.             {9 U) i- G2 M6 ^+ R9 [  j9 ~/ K
  7.                 string strhtml = soso.getHtml(url, "", true);
    5 ]$ F- h! \7 d" S& A7 c+ Q
  8.                 if (strhtml != "error")( E  Y8 ]; [# u7 ^1 z4 n
  9.                 {/ K$ i! n( w" h: P! e3 d
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    * x: W" H1 r5 T- o5 l) s
  11.                     MatchCollection mc = reg.Matches(strhtml);
    2 P$ D- \0 U( E. O1 b8 W
  12.                     foreach (Match m in mc): q; `$ U/ }5 K0 ?/ t
  13.                     {3 h& V' S) L2 x! S: D$ J# k. D
  14.                         Uri uri = new Uri(url);2 B) n: _6 c  b3 [5 Q& Y/ E, E5 U
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);8 B- S& y% `$ R
  16.                         string fullUrl = "";
    5 ?- G5 ?/ T6 E0 ~
  17.                         if (m.Groups["url"].Value.StartsWith("http"))" i% \7 H! r! p9 s+ W+ \( _) k
  18.                         {! q3 h& o6 X' c1 B& ]8 ]+ J) b
  19.                             fullUrl = m.Groups["url"].Value;
    ; @  n+ A! {  D4 ?! ^
  20.                         }
    - q! W" X. S8 f# w0 e$ f
  21.                         else
    5 \5 {1 V8 l0 R1 h1 B% i$ H; M1 L
  22.                         {
    2 [9 k* U" m  E. Y4 C
  23.                             fullUrl = thisUri.ToString();& i# m" @1 k+ R2 h: y7 X4 q1 e
  24.                         }
    8 \, }3 x$ J  k5 {
  25.                         allHref.Add(fullUrl);
    0 i; B  I3 O+ X" b
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);2 l8 p' w, `9 S" c$ O
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    8 T% C7 U& C- z* X
  28.                         //Console.WriteLine("补全链接:" + fullUrl);" n3 W: U; Q( N$ l6 d
  29.                         //Console.WriteLine("…………………………………………");
    ) F6 V& M  `4 m. G% w4 V
  30.                     }7 }2 _1 `# R3 C# l9 ~1 y& u. ^
  31.                 }
    4 o3 C. i* M# ]; ]8 ]
  32.             }- Y6 B9 y6 X$ V# L6 E/ I
  33.             catch (Exception ex)
    * W+ f6 |6 H0 D7 ~1 I; Z
  34.             { }5 L" K4 n2 w& n
  35.             return allHref;
    4 \2 L* ^! V7 g3 f  a
  36.         }
    % |* x  F. O- \% K& }" D7 S
  37.         #endregion
复制代码
& b( a! m* Q) u4 K2 j
9 `- i+ B( }/ l
  1. 2 S3 C3 Q+ ?) W  @" Y/ S

  2. * X# S" t4 h# Q/ d

  3. 1 B  p4 c: U6 a/ U+ U1 ]" t
  4. #region 数据去重
      A! ~- n. _+ r. ]# @% f
  5.         /// <summary>+ R( U3 |- f/ n; p  d' e" R
  6.         /// List<string>去重
    - C" _* N& X+ v2 N  ]( S7 S
  7.         /// </summary>% T0 l9 N, Q1 U. X9 D6 v. \% K% Y
  8.         /// <param name="list"></param>
    2 z4 E/ g/ o6 ~
  9.         /// <returns></returns>, o" D' ]8 u3 p5 Y
  10.         public static List<string> getUnqueList(List<string> list)& j/ ?1 I  T% u* o" p& Z2 R$ s$ z
  11.         {
    4 c# O5 j- W2 }) m; L
  12.             List<string> list1 = new List<string>();( a% ?6 y' ^: O* `' Q0 W+ x: J  `0 I
  13.             Hashtable hash = new Hashtable();+ m. `! @/ n1 O! t' i" T! ?. c
  14.             foreach (string s in list)$ M& r, J* n" {$ s, s" q
  15.             {
    0 X) i! |* N) s- E: {+ R, g
  16.                 if (!hash.ContainsKey(s)). m, j% F3 x8 F" `& O
  17.                 {' |$ V6 |, u" C/ ?5 C. u
  18.                     hash.Add(s, s);
    0 P- n3 z/ {# l( I
  19.                     list1.Add(s);
    9 l0 H$ \. J" Y6 d9 a
  20.                 }' N1 j4 H+ b+ P: z
  21.             }6 g; Y8 ?/ }/ ^$ W+ _
  22.             hash.Clear();
    / I0 k2 r) S' ~4 a8 `
  23.             hash = null;. T! M$ ~* S5 j, k6 F
  24.             return list1;
    ( i# @$ w; G8 o, b7 N) w) D
  25.         }
    ' J5 P& J+ K/ r! a* ^3 @
  26.         #endregion
复制代码

5 Q0 a4 t# D9 O+ O2 d* q9 k8 D) V% A$ @4 Y, p$ ^

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
* E0 p, t( s) [" `/ w) Q% ~' r( R
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
) W- E% {/ F% B! W/ @十分感谢!!!非常感谢!!
6 b# |' s2 c" i! X+ f+ e# @+ O6 n
缺少一个gethtml,用下面这个:
3 @1 X1 H% j# |
  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 1 V2 G5 J# C' X7 w; _# [  c: R6 S4 }
  2.         {
    4 J: F) v2 q" |
  3.             string strWebData = "error";1 c/ X5 M: r( M0 D- J
  4.             try
    ) Q0 W0 }+ K( o* Y9 i) b
  5.             {& B+ z! E7 P5 Z/ L" R
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient   r" e7 f& z4 G6 H+ E
  7.                 // 需要注意的: % i6 F2 P' s' W6 R9 s5 p# \7 q
  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
    5 t9 t9 d% w; _. P
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    2 a- e" G! k$ c9 N
  10.                 // webclient.Headers.Add("Cookie", cookie); 6 p8 |' P8 ^+ b- b6 e% m
  11.                 //这样可能需要一些重载方法。根据需要写就可以了% Y6 i6 ^/ K$ R1 w# y8 a, b  z
  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)");& D: L: {' g( v2 x6 }' }
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    ! G( j( b6 O% f$ E, z, Z( [* 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。 : m% l; ^$ C# y5 t
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;0 J' j$ h, P+ j9 ]. }
  16.                 //如果服务器要验证用户名,密码 $ w2 k) a( `: h( w5 h, S5 M1 a
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    0 u9 U6 d0 w7 L  D3 B) n
  18.                 //myWebClient.Credentials = mycred;
    - l# D1 @, ~; u: [, B1 }  v
  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)
    * X, v! q  l- V; t- m- \- t
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    - T1 h1 d, |9 S& O! ~
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);, r: v* V7 n* }

  22. " }# J7 w/ d7 B5 R% D1 i
  23.                 //获取网页字符编码描述信息 0 x, }3 _' M" u3 j5 i) R
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    " k: m0 b/ G3 o
  25.                 string webCharSet = charSetMatch.Groups[2].Value;9 z& X1 R3 g5 R
  26.                 if (charSet == null || charSet == "")
    ; D" I7 {+ J7 M, |. d! A
  27.                     charSet = webCharSet;' I6 K% I6 p& a2 Q  }& `
  28.                 if (charSet.Length > 0); c! R  B* l  h, P( }
  29.                 {
    ) _7 }0 }' i  X$ i
  30.                     charSet = charSet.Replace(""", "");
    ) ~* `  t3 ]& ?) [$ A
  31.                 }
    9 q) M* H3 W0 w" V6 m% e" W
  32.                 if (UseUTF8CharSet)
    7 t' A5 A$ G+ s  E0 q5 f
  33.                 {7 F9 v" S( k0 F. J% Q; V6 Z3 c
  34.                     if (charSet == null || charSet.Length == 0)9 s3 M3 Q* a* O7 f
  35.                     {/ M' H! @/ I# A/ p6 t
  36.                         charSet = "utf-8";# i' ~1 M% {9 }7 A/ M
  37.                     }
    8 T7 q1 H. j$ w& ?' _
  38.                 }, f+ k6 @+ p- f6 n
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)1 _9 C( J4 n" m8 O4 Q' n+ Y. U! T& f3 s
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);0 b/ e$ K; f2 W8 O
  41. 9 l, R* @: ?" m7 f8 s, j
  42.             }5 D* F3 [, Y- [; t" Y& T
  43.             catch (Exception)
    : j3 ~/ l" e; B: o+ B" o
  44.             {1 P7 O: H0 v# a" l
  45.                 strWebData = "error";
    1 Q4 r& `4 z  n& E3 l, S3 E/ x% O  |
  46.             }% L& N" A. k1 [$ X1 x" w

  47. ' K& Q" l/ s; g: x1 F
  48.             return strWebData;
    , \- G2 H9 [* ^
  49.         }
复制代码

! s) G. t" r9 K1 m* V- o& {1 P: @9 A& K/ \2 Y/ g% w/ x' g& `. K* ]
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, 2026-3-2 14:56 , Processed in 0.054057 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