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: 9824|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9 y# b8 n5 G1 |" n5 p5 Y
  2.         public static List<string> GetAllHref(string url)
    3 E7 c* Q+ _9 [' ?
  3.         {5 J$ \0 N% ?2 V) b- P, Z
  4.             List<string> allHref = new List<string>();2 ]; ^* L9 u0 [7 h1 O
  5.             try$ B* b2 [7 d5 s/ X
  6.             {
    ; N; e# {+ F# s/ R" `. ^6 q! W
  7.                 string strhtml = soso.getHtml(url, "", true);
    # |- c5 c) Y9 X6 B/ ~
  8.                 if (strhtml != "error")
    ( r  d' i) w4 ]& ~. `% R0 {- C
  9.                 {
    & L9 i, y; q3 f$ [/ P2 q% t5 B
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    1 F7 S4 `2 z: o! F9 ^- P
  11.                     MatchCollection mc = reg.Matches(strhtml);8 }* B6 ^/ }- y% i
  12.                     foreach (Match m in mc)
    / b. f* h0 h/ `9 T2 g3 u
  13.                     {
    3 ^$ ]9 B& |! n. v+ S
  14.                         Uri uri = new Uri(url);
    ; ?7 V& i4 T) n' P8 q4 c
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    * _/ c8 Q( o; ?& A1 j: G
  16.                         string fullUrl = "";& ]' o, l5 G1 o8 O% T, N
  17.                         if (m.Groups["url"].Value.StartsWith("http"))8 s) w  R- D. B5 ]7 ]2 W
  18.                         {
    ( c( z( f# ?3 Q; u
  19.                             fullUrl = m.Groups["url"].Value;
    $ \* w* ?  g( t0 X" P4 d; i, ?
  20.                         }4 q4 }- a' S" _( `6 p( N5 M3 W! J
  21.                         else
    ; m" o7 d) g. T0 v/ _! i
  22.                         {" ^" o2 S* M6 u1 S( |! g1 p2 v
  23.                             fullUrl = thisUri.ToString();7 x5 G9 m/ U* j
  24.                         }' F7 R) y) x$ v2 r
  25.                         allHref.Add(fullUrl);
    . K6 K4 F0 ?7 Z% U, j
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    / r8 V0 ^7 n/ N& Z1 H2 P2 S; s
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);/ O( j9 i# r  u: K  i
  28.                         //Console.WriteLine("补全链接:" + fullUrl);" s8 _& |# A4 x0 L# |
  29.                         //Console.WriteLine("…………………………………………");
    5 j+ e+ S6 D, X4 M  {. [
  30.                     }
    ' H  ?6 ]+ ]- x8 d
  31.                 }
    8 f  O: K! P& I+ D6 T
  32.             }
    * B$ x( Y, v9 k3 T( _  Y
  33.             catch (Exception ex)" ?  C0 w/ q8 h; \) L" [( D
  34.             { }
    4 w* }2 N- h8 p# ]' S7 w2 v+ p9 s# p
  35.             return allHref;, O" x- L9 D6 v7 k$ E9 ~
  36.         }# ~. R/ ^8 \0 O$ Z' v, Y9 n9 m$ r
  37.         #endregion
复制代码

* B" z% z6 ^: j' ?+ ^4 m2 E8 z7 L; ]: O% ~

  1. & z$ d5 H& P' Y' J# J+ w8 z) ~
  2. ; {4 Q! ^4 J0 Q  ~) r
  3. 6 H6 X+ `! }! M% e$ f8 V$ f
  4. #region 数据去重
    + Q) G5 Q7 ?, f! u3 x+ V
  5.         /// <summary>
    + y" @3 p$ q! s( s$ `- \  Q4 u% o
  6.         /// List<string>去重& O/ Y4 E2 X8 z+ E  x
  7.         /// </summary>+ n2 c5 k% L2 _( \( q% U. @
  8.         /// <param name="list"></param>
    $ p/ U0 U8 @) U9 M7 Z7 Z* q4 b1 D: G
  9.         /// <returns></returns>
    4 J& c. r  e; o" h5 R
  10.         public static List<string> getUnqueList(List<string> list)
    4 r  q: K: p- d9 q" O1 C$ b: @9 ?
  11.         {
    ' r3 d3 I! ]% L# y$ ]
  12.             List<string> list1 = new List<string>();1 S0 `; e' P& @5 [' l& F' }  v
  13.             Hashtable hash = new Hashtable();$ O% B% z# y: V( s& [/ \- s
  14.             foreach (string s in list)  w2 p  l: q1 T- ~, t
  15.             {4 F6 X/ j: Z4 R/ N' _
  16.                 if (!hash.ContainsKey(s))( D+ X6 X( U! w. V
  17.                 {. B# [4 V3 l" t! ^' m& h4 M3 a
  18.                     hash.Add(s, s);
    $ f( [% p# ^0 R7 x! O' X
  19.                     list1.Add(s);
    3 f' [% J1 z7 |9 L2 Y8 ~1 q6 {% ]
  20.                 }
    8 E' F* t: _% a: N& `# q. [! w! g' c
  21.             }+ f: ^* R; Y7 f- M6 U
  22.             hash.Clear();& m5 {& _6 i& q/ ^% ^* x, u; i2 q
  23.             hash = null;
    - D2 G$ f1 _- I- S. l/ H
  24.             return list1;
    $ ~+ x% ]% ?8 B, U. ?( H
  25.         }
    . q0 j. t1 M: I) u& f
  26.         #endregion
复制代码
9 H( i4 ]! z/ Z

+ t: R! q2 z9 x8 k+ c7 }0 g) {7 V

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
/ N7 F) s' G8 K9 V$ N% s
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$ f, S: C1 ^+ b4 o6 F
十分感谢!!!非常感谢!!
+ k- e$ Q1 w0 G7 b( b, c- t
缺少一个gethtml,用下面这个:
! V5 ?) z' j9 M8 ?! h
  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
    : s1 i( C4 x% ?+ L* Y- a( ?% \- g
  2.         {
    - x" a5 }( q4 f5 f& e
  3.             string strWebData = "error";1 \6 |, {" ]* R- d
  4.             try" S' b9 q3 d. _3 [/ z6 q1 m
  5.             {
    * D/ N1 j- o( [  A+ i/ G! ^
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    ! @( V% S# `$ U  ]
  7.                 // 需要注意的: 5 t  }4 l7 h6 v, B4 i
  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 $ ], O$ N$ V6 G4 W+ L( O( {4 j
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    & e  P' V; b! x' K; Q0 \+ z
  10.                 // webclient.Headers.Add("Cookie", cookie); ! [  u. e2 b3 u5 |7 C0 d- |  J4 `) z
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    5 h, H" D# M5 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)");" }" Z: D" A% Q- l% ~
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    + t5 w) S/ Q& N0 A/ L
  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。
    0 ^/ L1 r4 b) [- c
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    , l1 f- z- ]8 l$ h+ x& N; V
  16.                 //如果服务器要验证用户名,密码
    . c1 C7 X! I* p, ^5 T6 v0 [, R
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); # G0 y" k6 h- ]
  18.                 //myWebClient.Credentials = mycred;
    ! v6 T+ V& @7 s4 g. e
  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)
    , k) d* T: \& E
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    2 @  P# W5 F! q3 H
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    9 ~" @  h& a" D8 ?% t

  22. ; s" w$ W- S4 x% i. s% i5 ~
  23.                 //获取网页字符编码描述信息
    ( O: H- w, m1 T1 [+ z' G
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);/ [: A2 R# F* I/ L2 K, [
  25.                 string webCharSet = charSetMatch.Groups[2].Value;2 E+ O& H; ]4 k& f* [  j* M
  26.                 if (charSet == null || charSet == "")
    % q& I( f1 M4 @$ W1 l
  27.                     charSet = webCharSet;
    , h6 F6 P9 ]; Y4 y- f; p5 M4 ]( w
  28.                 if (charSet.Length > 0)0 K& A" E$ z  t8 ~0 m
  29.                 {" ^7 y2 a7 @7 o/ X
  30.                     charSet = charSet.Replace(""", "");
    ( i. r) T9 \& M
  31.                 }
    3 b7 v8 E3 t6 i/ p3 A% D1 |
  32.                 if (UseUTF8CharSet)
    9 c5 I( @1 e. O$ ^6 Z+ K! z5 @
  33.                 {; ?  G& h0 a4 G& R) M
  34.                     if (charSet == null || charSet.Length == 0)( q  C/ [$ |  C5 l2 \" F  X) m
  35.                     {
    3 _3 b! ?# o* i2 p# B) D
  36.                         charSet = "utf-8";/ K1 ]9 n( d5 u' h- i- F7 |# l% U
  37.                     }5 V. B7 M- [! M& K
  38.                 }
    2 Z" b2 x8 [+ B$ ?! k' ~. G
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default): q# e3 f' M  {
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    , S( ]3 }9 E; L, e
  41. 0 [8 ~! j; u4 N+ m
  42.             }
    ! v8 Q! c9 u  P+ A5 c
  43.             catch (Exception)  f1 L+ g5 y1 b" k' L5 t
  44.             {
    + d, O/ M* `! O' D. x4 ^
  45.                 strWebData = "error";
    8 Z! U- g, I6 h# c
  46.             }! T3 x) |& V0 X

  47. * S2 e- Q. @! X/ c  y+ t
  48.             return strWebData;* J, E7 z( d: x' u8 o
  49.         }
复制代码
6 R% V# p3 S" s

8 ?& C- R8 ]. H- @6 L+ o( P
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, 2026-3-5 07:47 , Processed in 0.050063 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