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⚡️FB BM不限额,短id账单户
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
虚拟信用卡+独立站收款全球虚拟卡, 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ISP提供TK企业新户老户、谷歌新户老户海外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个号1块一个寻找顶级电商?AdsBranded等你!
TK老户/国内外端口/预审/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: 9767|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
    ; w6 ]' O1 W2 H* N3 _
  2.         public static List<string> GetAllHref(string url)
      p5 |- |/ i. n5 x# J' m
  3.         {( |# H) ~& _" D: y6 Z& y) d
  4.             List<string> allHref = new List<string>();: c5 |: y3 H. [) D/ {' w9 R
  5.             try
    & d0 O' q) x* \3 c
  6.             {
    ! c: P+ C$ ~9 J' K, G3 j; ~$ M; p  E
  7.                 string strhtml = soso.getHtml(url, "", true);4 t+ Y8 ?9 k, ~: `0 v
  8.                 if (strhtml != "error")4 j: W% q  V. f" E1 I' p' l% n
  9.                 {
    : X0 C) y/ e3 M5 \- O( {0 ^
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    8 m3 b3 X, A; B" ~
  11.                     MatchCollection mc = reg.Matches(strhtml);2 v  Y# ]2 j/ h
  12.                     foreach (Match m in mc)
    5 B& L" m& ~4 L
  13.                     {. y& m8 {$ q' c
  14.                         Uri uri = new Uri(url);9 r; N2 j: i1 v- m; q  r
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);+ ~2 h7 j0 x# [! _) g) Z7 H% j. x
  16.                         string fullUrl = "";5 k6 r! q0 t' Y% |& E  P
  17.                         if (m.Groups["url"].Value.StartsWith("http"))' X) W& `% `7 `
  18.                         {7 l+ \( F$ b4 ~( ^4 G
  19.                             fullUrl = m.Groups["url"].Value;
    0 L/ u% u/ o# N7 G
  20.                         }/ M/ I: |! `7 `" p
  21.                         else
    ) C" U- i# W8 [  E* m
  22.                         {
    ( e" Y. o) s% P, ^# q
  23.                             fullUrl = thisUri.ToString();
    - W4 o2 R: ^* o; C; f1 X
  24.                         }
    7 T: ~0 o" {! h7 F" k
  25.                         allHref.Add(fullUrl);
    % s  X& L6 E+ p' T' l1 E8 U
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);8 f5 L; i  M/ N; j+ }
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    9 |! j' ]9 X* [- N8 B
  28.                         //Console.WriteLine("补全链接:" + fullUrl);9 O$ D6 F. y) V9 z& f! ?% r
  29.                         //Console.WriteLine("…………………………………………");) `# n. I& k1 a' }0 V0 F
  30.                     }# r+ x) Y0 i, c- m* ~+ U
  31.                 }& o& X& s, {& U  h% V2 `
  32.             }+ Z: ^8 C. f( C0 f
  33.             catch (Exception ex)- A3 B) p- u% m8 s" F. \+ L
  34.             { }4 b5 ~) n. J$ A* w4 J
  35.             return allHref;& F1 m' }( {7 ?# N* }) ~' v$ q
  36.         }
    9 x; Q1 R0 v9 _
  37.         #endregion
复制代码

7 G$ d/ x1 w# |8 N2 }5 r
4 \/ C" g  J- a( w% F- ^9 C

  1. ! P2 n! g% y% d4 ^$ R3 _! g+ A: D
  2. " G! F4 O. S" g. ]% d2 c

  3. 8 {! B0 E/ K) l
  4. #region 数据去重1 x: p) y3 h% J7 H
  5.         /// <summary>2 M' I) l# a9 Y0 Z! [. L) L
  6.         /// List<string>去重1 g7 F8 H+ W3 t
  7.         /// </summary>
    ! M7 `, N$ d% [2 D2 Z
  8.         /// <param name="list"></param>0 t. ^4 c! Z  X
  9.         /// <returns></returns>$ f7 T' D1 Q$ V3 S' `
  10.         public static List<string> getUnqueList(List<string> list)# F" r# c# k- V% V" j, k
  11.         {
    1 I; l6 }9 h3 a( B6 r
  12.             List<string> list1 = new List<string>();
    1 e; J* @1 I* O' c$ ~7 ^
  13.             Hashtable hash = new Hashtable();  i' s* `5 j* k! i- \
  14.             foreach (string s in list)
    ( I% ~+ z1 k) k$ }! u
  15.             {- h/ i" i% e! F) M' U* o& g6 R4 {. [
  16.                 if (!hash.ContainsKey(s))- {& D  N, M! R4 K" A& ]& I' M. i( W
  17.                 {
    8 ^7 M; ^9 D4 S+ s4 U1 F' H
  18.                     hash.Add(s, s);" |4 ^4 q3 f4 F2 {
  19.                     list1.Add(s);
    2 P; [2 P9 ?& q' p
  20.                 }/ K4 l$ E! s, N
  21.             }
    9 C# Y/ I* h9 X4 y) Y8 F
  22.             hash.Clear();
    ) J+ a. X( m: h' b" r1 k; }
  23.             hash = null;7 l& n* G7 U6 X
  24.             return list1;
    . d7 w/ g& r' H! K1 ^9 r
  25.         }
    $ {& K4 T( l5 ^: Y, J
  26.         #endregion
复制代码
" z8 a) x% J8 g. M$ m

4 i" d4 e2 l' T; T7 C* X6 C  B

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
( Z# N, s1 K  r4 \1 g  P! C- D2 ~
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, H+ F. k: @% v3 W
十分感谢!!!非常感谢!!
* z" h- r0 C( }1 `7 L5 q1 B! L
缺少一个gethtml,用下面这个:4 C, v* J* Y, E5 W+ ?. @/ _5 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 - D) w% q3 ]0 k0 K# l: D; f5 R
  2.         {
    0 _8 |8 C. w, x+ h7 G: R* y& G
  3.             string strWebData = "error";
    ' r0 G' v7 w4 D7 b# `( j; A  B
  4.             try
    / a4 N6 b. x; N$ z4 j' S
  5.             {- R% w6 |4 K& [! M& b; }
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    & q' C: }. ?+ Y! n
  7.                 // 需要注意的: % A* u' H5 t, Y3 ]( K" J1 \
  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
    9 R8 T2 [5 Q3 L; \. z$ C
  9.                 //这是就要具体问题具体分析比如在头部加入cookie ! N( p( Q6 U  ~. f7 p
  10.                 // webclient.Headers.Add("Cookie", cookie);
    / Z% E$ x$ I3 N
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    4 x: t% b/ o2 S0 X
  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)");
    & R+ N2 h4 H( O: t: b
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");7 y- a, U5 z0 {# H) c1 [& @$ \
  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。
    ! G2 ~# @. j5 o5 n: j" J& V- N
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;& t% u; Y# n: o) z. E# T
  16.                 //如果服务器要验证用户名,密码 * _: R9 {: w. S
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); & v: w. M5 Y3 Q
  18.                 //myWebClient.Credentials = mycred;
    4 Y" J4 |$ v+ w9 }) F0 F
  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) 0 w. v! `! q. m; x. Q
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);7 z3 y& L, j3 m* t" D( p. m
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);5 w. Y5 O  p$ X9 y1 j) B

  22. 4 R' Z; F4 v' t+ d7 C
  23.                 //获取网页字符编码描述信息
    $ P; g" W" o- J. p
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);: p. M$ z4 }6 Z8 T$ a5 ^: k
  25.                 string webCharSet = charSetMatch.Groups[2].Value;1 Q& s& q+ ^) M  g" ^
  26.                 if (charSet == null || charSet == "")
    9 v) W  ^' M, \: {8 W% m
  27.                     charSet = webCharSet;4 O, f5 ?' Q) d' M/ D
  28.                 if (charSet.Length > 0)  k3 S1 n  d1 U* I' h; \
  29.                 {
    ( B! l7 o& y0 a' I' r/ b% g
  30.                     charSet = charSet.Replace(""", "");
    , ^0 [# t( H# @
  31.                 }
    2 T5 [8 b: C0 y5 J4 {
  32.                 if (UseUTF8CharSet)9 O2 w% }4 p' S8 Z# x$ s% m
  33.                 {
    % d% M9 d; }, d8 s: M, c
  34.                     if (charSet == null || charSet.Length == 0)
    ( c9 a, R; l$ z
  35.                     {
    9 w3 q; _* O: G7 c
  36.                         charSet = "utf-8";
    ; f0 r3 Q. ^& e" L1 ?
  37.                     }* j' V; Q$ T' @* b) R
  38.                 }
    # {, ?: e9 ]- _3 N/ h- w
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)% C  k3 O+ x; S3 F7 E
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);4 F4 S6 h# g" K5 d
  41. + K6 v, c8 j6 P/ x* r4 h2 L
  42.             }
    4 Q" y' R" D9 @7 M! W( ]- q# H
  43.             catch (Exception)
    9 P5 Q' T, I  t4 c
  44.             {0 o. k5 C9 T$ U0 U5 w! l( N
  45.                 strWebData = "error";" _5 Q' e- y9 ?; q
  46.             }) Z! o8 S; l% r" }( w0 C

  47. 4 c8 r$ V3 ]' r6 d3 r
  48.             return strWebData;2 r' g" B% |: j( m& j; u
  49.         }
复制代码
0 H5 p$ \0 ]! A& A$ k$ Y
+ }. q; y+ X6 U+ ]
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, 2026-2-20 19:31 , Processed in 0.052898 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