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: 9793|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) c) D# _. ^/ J7 ?, ?8 E" d" D
  2.         public static List<string> GetAllHref(string url)( S/ S$ I- U8 C: K
  3.         {
    4 w! x' B6 A3 N
  4.             List<string> allHref = new List<string>();
    8 X7 q9 B% S+ T4 u3 F; A. j
  5.             try# Z& Y' _; Q3 G/ L: a7 P
  6.             {# F( |5 A5 ^; z2 j! k% M6 z
  7.                 string strhtml = soso.getHtml(url, "", true);/ u% o3 N* k6 E% C. W' I9 O, ^
  8.                 if (strhtml != "error")8 r- U2 C7 a8 X, D6 S+ _
  9.                 {
    " g, j5 t1 d3 C; D* f9 W1 t3 `) O
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");. p; C" I8 i, f6 _" j9 K
  11.                     MatchCollection mc = reg.Matches(strhtml);
    8 U8 ~- `( B7 S$ D$ _& C
  12.                     foreach (Match m in mc)
    " \3 m9 b& ^" ?9 j% T+ j8 a
  13.                     {
    & @+ F: R6 r1 |: f5 ^. {) C+ P8 l! g9 ^
  14.                         Uri uri = new Uri(url);
    ( e' t3 R$ c' m' M8 A( k' \
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    $ n$ g; V6 m" p# l9 ^
  16.                         string fullUrl = "";2 P8 A6 {, y& Q0 j, g2 Y  g
  17.                         if (m.Groups["url"].Value.StartsWith("http"))) s" w+ J4 J- F" b: [3 g
  18.                         {% _. c9 m; v' ]" B
  19.                             fullUrl = m.Groups["url"].Value;
    + }, G1 u# S- L* e
  20.                         }
    ' z$ q* l6 V, c' I
  21.                         else
    # g+ H0 l+ w5 k; V! s" b( ^9 q
  22.                         {" {- v7 L$ ~3 }; E/ @4 X
  23.                             fullUrl = thisUri.ToString();+ B, F( H! N8 _- G
  24.                         }$ J# P. p( Z0 A0 p
  25.                         allHref.Add(fullUrl);/ y9 q2 E: b, \
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    % B' a" {3 E4 ]! h! ]- I, ~
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);3 ^) F, x1 x0 f
  28.                         //Console.WriteLine("补全链接:" + fullUrl);) C1 f( o0 Q# ~% O- c- R. _8 I
  29.                         //Console.WriteLine("…………………………………………");
    5 Y$ Q: Y2 L* i/ a: j9 y
  30.                     }; y) i4 B7 L* ^
  31.                 }
    9 ~. w5 j3 X9 h( r1 R( m" O  }
  32.             }
      V  F4 L# [& _" S+ N( b
  33.             catch (Exception ex)
    4 Q" _& N9 y- |9 @3 F! s
  34.             { }
    0 r( \$ c# t/ X7 D* M
  35.             return allHref;
      D! Z: z5 E1 ]0 l
  36.         }8 Z" E$ W+ W5 ?
  37.         #endregion
复制代码
7 l9 a: \! d/ a$ B" M
. a% H& k$ Q, N2 E4 v/ ?! n5 Q
  1. ! }  U- G$ t" B6 |& A9 ]
  2. ) `. U" ?% f% _* o
  3. : o) E. f) E! U* f, N
  4. #region 数据去重
    / j/ x$ x  {" I7 R; |& i, J" Z
  5.         /// <summary>  s; ?: S, ^; k0 m! g; {
  6.         /// List<string>去重8 C" v8 b" M9 X! ~( B) d2 c0 B
  7.         /// </summary>7 N; j! Z, T1 t
  8.         /// <param name="list"></param>& Y! I  r0 ^4 m: w+ R2 z, {3 H4 e
  9.         /// <returns></returns>" E0 S, K7 ^1 C
  10.         public static List<string> getUnqueList(List<string> list)! m' w4 B6 M7 w
  11.         {
    % A9 O4 h3 ?/ E, ]7 p
  12.             List<string> list1 = new List<string>();1 W; R& Y  Y3 \% z+ p( B3 `  p
  13.             Hashtable hash = new Hashtable();4 {+ x& j, F$ d, L" u' W# c( I
  14.             foreach (string s in list)9 N4 q! g. w( V1 s
  15.             {
    % `* v2 `) r" j. c3 v" [# n( z3 q
  16.                 if (!hash.ContainsKey(s))9 M* O1 N# K9 o
  17.                 {
    9 E  E$ C1 @3 P' J+ ?
  18.                     hash.Add(s, s);) S  j7 r( d% y+ F
  19.                     list1.Add(s);
    * C* h2 X9 \$ E. q5 P9 V
  20.                 }
    $ f9 h; s& r& }* z! \/ P7 [
  21.             }* v4 g! G5 a: o" D- q
  22.             hash.Clear();
    0 E9 ~& N  }" A2 o) F- n5 r2 [- b
  23.             hash = null;4 H8 i/ Q8 V0 p; ^0 V
  24.             return list1;
    ) _# q- u4 X) Y
  25.         }
    1 v* [6 W8 f" Y, d4 Q  i  Q" Q6 F
  26.         #endregion
复制代码
6 E" c1 Q, b2 o, N! ?, l- g
, H' s; d) {$ ~( G' s+ l1 K9 g+ O" H' H

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
2 G5 k" D, k+ L. Z
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
/ S. ^1 z& g7 G# ^十分感谢!!!非常感谢!!
1 P( j6 m# ~0 g$ z4 r
缺少一个gethtml,用下面这个:
) y# J3 e5 x4 b& w1 c& x7 B+ e
  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 6 t- }- I0 v- V5 z' N1 k
  2.         {0 D+ W9 Z1 Q4 {- k
  3.             string strWebData = "error";' C8 j8 k( T5 z# F- |9 A" I
  4.             try
    ; {: [: z8 N: q) b, q
  5.             {
    9 s+ q1 R3 U; x* d: A* R  [
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    0 J  L  V. z, b5 |$ m4 g  w7 f
  7.                 // 需要注意的: ! u& }% |' u7 X7 n( v
  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
    ! E9 N) U) A$ `: G+ |9 C- U
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    ! G$ f7 T: U1 r7 b  x# E+ k1 h
  10.                 // webclient.Headers.Add("Cookie", cookie); : }2 @7 \% Z) A7 G+ C2 y$ L
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    : x/ G6 V  E- \3 N$ m
  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)");
    7 ?6 H9 B, t% p8 B+ d5 h
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    % ?% k* F6 A! F( a8 f
  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。 : U6 s' y8 H1 D. A
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    0 G- i# v8 o8 n, \# a3 L; P' C. e
  16.                 //如果服务器要验证用户名,密码 & D  N2 @6 b; z- G' v
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    / j7 v5 t2 e; q2 [4 K2 y+ e
  18.                 //myWebClient.Credentials = mycred; : U' H. m9 h1 u! O% c* ~. |
  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)
    + n- D$ r# g& |1 v4 K1 m% J+ P
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);. h$ g* G) C# q% [2 `3 G" J
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    ) M7 Q. i2 O- c8 N
  22. & ^1 Z$ u0 |& y$ [' J
  23.                 //获取网页字符编码描述信息
    2 c8 c0 O; v; w2 h! ^! k+ [) f7 S
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);% A' e/ k: x- n+ S2 O
  25.                 string webCharSet = charSetMatch.Groups[2].Value;% g+ p$ _' y, l; \
  26.                 if (charSet == null || charSet == "")
    9 V% x# v1 b* W7 j/ S
  27.                     charSet = webCharSet;
    9 f" {. d/ I2 y0 Y  g
  28.                 if (charSet.Length > 0); y& k# I8 ~3 {0 F  h( }
  29.                 {
    % P1 m$ |# T6 H1 B4 A
  30.                     charSet = charSet.Replace(""", "");
    ; Q9 h6 t2 A" t  T5 P# K
  31.                 }
    2 ]% s  Y* }  |1 Y4 _
  32.                 if (UseUTF8CharSet)
    1 h3 C4 u) C: ^: ^$ ~( C: t
  33.                 {
    ; x( o% E+ r  a2 ]
  34.                     if (charSet == null || charSet.Length == 0)/ S& R8 P$ H1 |0 [
  35.                     {8 d" t# O  P) [; @/ ~2 `
  36.                         charSet = "utf-8";
      ]% N$ K+ f/ h, r) Z( [7 N
  37.                     }
    6 ~6 D8 W& f; s3 c- R
  38.                 }$ l1 I9 Q1 n; \) S7 f# m
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    + f/ e% P! D* R& M, [' t7 G6 i
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    . n2 @1 A9 W: \4 G1 G" r4 e

  41. , a1 j. ?$ q! V5 r7 ^) k  V
  42.             }
    4 r% \9 b- E' Q8 ?% h
  43.             catch (Exception)
    ) V) A# M. n& D5 E8 \) n0 E
  44.             {- d. o4 ]! T- a9 T  C! ?
  45.                 strWebData = "error";
    - ~6 j. Y, Y1 ^3 j* ]
  46.             }
    / ?! h$ [4 Q' q/ w: a' T

  47. . l$ f6 ^" S& {1 f, C6 `1 W& N
  48.             return strWebData;
    7 y7 a4 M7 K! ?0 [7 @) E; I
  49.         }
复制代码

- D* I% F2 _! P, g  T7 C# _! M+ X% c0 E) F, ~& ?  n: n6 T. R" f& J2 I- C
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, 2026-2-28 01:44 , Processed in 0.050663 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