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
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找量高品质·稳定高速纯净IP
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❤️
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・智能广告过审率高达 99%DataImpulse⚡️纯净住宅代理仅 $1
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: 9918|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( r+ t, M' R2 g/ W% Y
  2.         public static List<string> GetAllHref(string url)/ O7 W; N% _2 ~  b1 U
  3.         {7 x: Q! _7 H' c1 w& I% b
  4.             List<string> allHref = new List<string>();9 g6 Y  `3 u1 L' P6 m
  5.             try
    " y; L* _4 {( @9 i/ [
  6.             {9 W, d; K) j5 N/ R- s5 m
  7.                 string strhtml = soso.getHtml(url, "", true);
    1 ~* T; |& I, T5 \
  8.                 if (strhtml != "error")
    2 Y- h# h- A( O. x6 x
  9.                 {0 l3 Z$ U& {/ f; [! T4 [1 x7 y
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    2 V+ y* ]8 K8 n' t) B
  11.                     MatchCollection mc = reg.Matches(strhtml);$ {; a" Z$ @, n2 w
  12.                     foreach (Match m in mc)
      Y9 i  {7 ~& T9 J5 [6 f
  13.                     {
    % ]* |/ M$ ?- U$ v  V4 t7 V
  14.                         Uri uri = new Uri(url);
    - B8 G  d& s3 D! p# r$ F6 q
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);" y, z7 T* V' d7 C- @. h3 {
  16.                         string fullUrl = "";
    % B+ v7 x& I4 ~! o
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    - N" c/ X1 v( b6 b. P- I
  18.                         {
    # U9 J6 m" W2 U" |, z
  19.                             fullUrl = m.Groups["url"].Value;5 }# @" z" O% X" c+ c+ I1 @7 U
  20.                         }2 H8 _4 \. \/ }8 n0 U
  21.                         else
    0 H; B' |9 ?' V/ b5 Z/ ~
  22.                         {
    1 R: m7 |* i6 ]0 ~7 z. U
  23.                             fullUrl = thisUri.ToString();! f# U. E% g0 @5 P3 B* p, l1 E
  24.                         }. @' v' m! i: K/ }6 U9 a- F
  25.                         allHref.Add(fullUrl);
    ) E; K$ c; c7 u2 }- O# y
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    * `# _: f+ R" s, x
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    " v' b0 S* b; T6 v! l) [: V' e
  28.                         //Console.WriteLine("补全链接:" + fullUrl);+ Y/ `: B$ Y& s  M
  29.                         //Console.WriteLine("…………………………………………");
    ! d" O6 }; H. z; O8 P
  30.                     }
    4 a1 P6 h$ U5 r) `) X
  31.                 }5 z; |% g( q9 O/ s- U
  32.             }
    7 C5 G, g; Y: _; J
  33.             catch (Exception ex)% {/ s1 H9 b" a$ w
  34.             { }  s5 x& \; Q- }0 T6 d( c2 s4 }# ]
  35.             return allHref;/ h' }( X  f/ u5 M: Q
  36.         }4 ~* |' H( a( q" }
  37.         #endregion
复制代码
- K4 a+ }, ]8 j) d3 ~
7 `8 M, h2 I5 s# a1 `
  1. 3 T! v+ B; Q3 P

  2. % l3 `; p7 E) v8 K3 V  x
  3. ( P: s4 O$ k0 Y* r. Y  }. D
  4. #region 数据去重) l+ P0 M' Z/ d/ u: Q# r  p' |  h( A9 o, g
  5.         /// <summary>
    1 X% F* Y  M+ \# [; j
  6.         /// List<string>去重
    ! p4 w& _* }1 V. L* ~6 e) Z/ l
  7.         /// </summary>' I6 L- B: l/ {$ r5 r4 x0 q* d
  8.         /// <param name="list"></param>
    2 Z0 b) A; @) J6 N7 _6 o+ @
  9.         /// <returns></returns>. S9 R/ m  o$ ^# U6 T; I/ L
  10.         public static List<string> getUnqueList(List<string> list); @% y0 f  S$ c( m7 u
  11.         {
    2 C* f9 K! P6 F
  12.             List<string> list1 = new List<string>();
    0 z, h' c: F' S8 _- x4 G9 S
  13.             Hashtable hash = new Hashtable();
    * A2 I+ J7 X% g/ ^& h& l3 l
  14.             foreach (string s in list)7 D5 C. w" A4 @3 s! I) w
  15.             {
    5 I% P+ q: F; V# p
  16.                 if (!hash.ContainsKey(s))! G$ r3 @5 C9 e9 T6 b& c! S) h
  17.                 {
    9 j; u/ _6 Y/ Q( c+ G+ A
  18.                     hash.Add(s, s);- r" {4 `: h5 ]( Y
  19.                     list1.Add(s);9 W& c8 B& V1 W, V* S; R$ W8 F
  20.                 }/ q" B. h) \3 ^1 B- o) S
  21.             }
    ) F; F& A3 N0 y* v" D4 `& V: q
  22.             hash.Clear();$ P: G# I2 S: g' z
  23.             hash = null;
    - U2 Z3 y' m# X& a
  24.             return list1;& y$ O0 s5 E* R0 ~1 t: }- h
  25.         }& M$ t/ u3 [4 C
  26.         #endregion
复制代码

1 y, n8 p; w! K8 H* y# X5 ], A; 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

3 b$ I$ b8 j! k8 n  U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/ e) \* P. ?- l# Q
十分感谢!!!非常感谢!!

' C9 V- A+ b0 g: z2 @% K$ ]6 N缺少一个gethtml,用下面这个:
9 e/ d  ]+ ^' @. `* K# |6 ~
  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
    4 I; ^; A' J1 p2 I/ D7 X9 ^" h9 P
  2.         {2 C2 ]. ]; S2 c$ y# C
  3.             string strWebData = "error";
    , z* P4 l5 `2 Y: x* \( \& y2 i3 C* k
  4.             try# V' [2 P  p, Z# g) ~/ R/ G
  5.             {
    0 g* ]2 J1 A( P$ P/ o+ w; I
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    7 E4 N! G" {) k% W  m2 _+ i' H
  7.                 // 需要注意的: # Q5 \; t- j% H3 n0 E8 z
  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 7 H& P" x# D& i4 A9 t
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    ' Q: O5 x& i3 C' e: D
  10.                 // webclient.Headers.Add("Cookie", cookie); 4 b- `( e( a7 _4 h" ]4 R
  11.                 //这样可能需要一些重载方法。根据需要写就可以了/ z! o  V: O2 X2 D. g
  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)");
    6 z0 f$ o- x6 w9 w- Q( S
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");& _/ R, z7 i* p9 O
  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。 ! C9 O  h3 F( y1 g7 r
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;  `" H* l# u0 j7 A/ y/ W- U7 v
  16.                 //如果服务器要验证用户名,密码 * a) G8 Y8 n5 H3 r8 |
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); 2 }! o$ t3 I" M; R, c5 T( ^
  18.                 //myWebClient.Credentials = mycred;
    6 r2 V3 u! W) o
  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) 5 Z0 O2 F: n" M! `( C+ }
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    " L: I1 {" L9 \8 E! z5 j- z+ V# ]
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    3 U  m  J1 R' f( _

  22. 2 [! Q0 Z  }, w4 C
  23.                 //获取网页字符编码描述信息 7 A8 }4 ~" ^3 f2 R, \% \
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ' r. ^; l* q/ u6 L6 j3 ~
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
    ( p6 V2 A3 H6 E# [5 v
  26.                 if (charSet == null || charSet == "")0 L; P) S# v) C: d
  27.                     charSet = webCharSet;, N4 I3 {8 [0 y& i( S. e
  28.                 if (charSet.Length > 0)+ K+ \1 ?  |1 D* A8 u8 V2 G
  29.                 {
    ) y$ q% p) x( A2 B8 z& e2 }
  30.                     charSet = charSet.Replace(""", "");# k7 K/ l5 |9 S$ i8 D
  31.                 }! Y3 D2 g+ m( B& n: h) i' G  k% T
  32.                 if (UseUTF8CharSet)
    0 Q1 T/ u; K- g" _" ~- j1 x+ p
  33.                 {5 z# l6 K# e* ~& x
  34.                     if (charSet == null || charSet.Length == 0)
    " V6 r2 i) x0 F: m
  35.                     {
    * {1 X2 j# g) V: \, L+ D6 z( i
  36.                         charSet = "utf-8";
    - |# G& L9 y; Y, l
  37.                     }
    # v1 B' l2 l' ?7 p7 Q" q
  38.                 }
    2 v6 t( s) D3 ]. |, [- b
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)0 E3 Y, }, I9 j; R5 @2 f
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);/ ^: E; f6 P1 D% v1 p$ N* h

  41. ; W+ v8 d# k8 X: N  m" {
  42.             }
    7 f  |0 F' c0 [; d% u' c3 ~* c
  43.             catch (Exception); [, f$ w3 l& Q7 t
  44.             {( `% F* j; Z! ^, Y5 @
  45.                 strWebData = "error";6 W# t6 |) f+ x0 H7 {2 ]- v  U
  46.             }
    $ z: ]3 B9 G; Z/ C7 Q
  47. : H  ]1 G) u5 w9 g9 o
  48.             return strWebData;
    $ `- y) N! S# h  B  j/ ]
  49.         }
复制代码
. R; z2 S& ~" \4 p* x- }) A/ f% `

' w2 j. `; b9 ]% U* E" k! 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, 2026-3-30 03:37 , Processed in 0.056780 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