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: 9786|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( y, b, l* z" Y3 I/ T- A9 x
  2.         public static List<string> GetAllHref(string url)
    ' u3 f2 y" t% A1 Y% \
  3.         {- t8 B& X! V) |* a* C: `
  4.             List<string> allHref = new List<string>();
    : a1 i; }: M# X  Y8 @- l- S! X& D' ^
  5.             try
    # ~' U& T/ d$ v& v/ Z0 R4 p
  6.             {
      _8 V9 o7 j) \* r
  7.                 string strhtml = soso.getHtml(url, "", true);& P7 }) v% H. }4 h; ~2 E
  8.                 if (strhtml != "error")1 p$ V4 Y  T2 {
  9.                 {4 }8 S& V. n* V3 U3 M; Y, Q. g
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");8 I/ E. o0 T' O
  11.                     MatchCollection mc = reg.Matches(strhtml);3 M2 }6 E  U% X7 {. q
  12.                     foreach (Match m in mc)
    . M. C& d% f2 S4 r% n8 R
  13.                     {
    $ E" a( Z& M  b) E0 L2 e0 U* R
  14.                         Uri uri = new Uri(url);5 @; o% L  V; F1 K# Q  ^2 B& R" {
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);$ i- x; v. A2 d3 ?
  16.                         string fullUrl = "";# s3 P# I; ^6 G+ }, A
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    ( \+ t: m) y) O% m. F
  18.                         {
    ( b& V4 W/ e" l/ N! I. @
  19.                             fullUrl = m.Groups["url"].Value;
    # x1 F. v/ v  a% c& @
  20.                         }# L; V+ @& u8 D5 {8 Z3 Q
  21.                         else, k- S1 |( t5 f0 F+ W2 X# q2 t0 P
  22.                         {
    ; Z! ~( Y0 r2 s- V5 d. V+ W
  23.                             fullUrl = thisUri.ToString();
    6 }1 E5 P& ?6 L3 f3 Z8 H, C0 Q
  24.                         }5 b1 S, P6 _  o1 q
  25.                         allHref.Add(fullUrl);7 @+ J4 t3 }' I( q
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    2 s3 a3 o$ a: ^- v3 d
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    3 _7 B6 m" i$ p9 K# w; S
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    6 O1 u) U+ s$ `2 z  }, o
  29.                         //Console.WriteLine("…………………………………………");# O+ Q. w) L2 O. R$ u5 i3 P
  30.                     }
    : g8 _7 n* l  R5 ?$ D
  31.                 }: G, B3 Q& C5 p; o9 R; {2 ^: P! C0 y
  32.             }
    % J' E% {  Q. i1 s
  33.             catch (Exception ex)
    1 }. s, t+ g) d* {6 m
  34.             { }
    . f  y" ]& G( a7 ?) q% @6 J
  35.             return allHref;
    1 m( O, l: e; w
  36.         }
    5 Y- L4 J4 ^6 {1 k
  37.         #endregion
复制代码
9 k+ T/ V! f0 K$ d

: _+ C% O' e+ j4 p& j
  1. 0 W. R, p. f$ j/ a- H+ \5 v

  2. ! V8 l  x$ H: P$ H

  3. 8 G$ |& W- k, V! ]
  4. #region 数据去重- e$ d0 P; C, z9 B2 |
  5.         /// <summary>
    ) |4 W: b" \" c9 n; j& N
  6.         /// List<string>去重, U' H4 `! G2 G. ~; _; V
  7.         /// </summary>
    ! T# Z8 j3 y* W. M  y2 B9 n% T3 K
  8.         /// <param name="list"></param>5 l7 K& h3 M& H$ d% @- p% u
  9.         /// <returns></returns>
    ' w  S3 M3 o; s
  10.         public static List<string> getUnqueList(List<string> list)5 `; R9 H' c9 V/ ~
  11.         {
    7 g3 ?1 U/ U: S9 j! ]" v
  12.             List<string> list1 = new List<string>();
    " f* g: `  {" U6 A
  13.             Hashtable hash = new Hashtable();
    : v! P& \5 ^) r: Z# h+ A! x
  14.             foreach (string s in list)3 z; r) ?. _3 J# s" d
  15.             {
    2 l% U0 C3 H1 j" m) b1 k
  16.                 if (!hash.ContainsKey(s))
    ' W6 p  R; t% E2 U* G/ [  \, U" i
  17.                 {5 {2 ?3 E6 a) Z# i9 p
  18.                     hash.Add(s, s);( t9 \! Z9 ^7 v+ Y0 \
  19.                     list1.Add(s);
    * \% d3 S+ s5 Y2 X. z: |3 @4 |7 `
  20.                 }
    & }# b8 K8 e- i5 c) a1 h
  21.             }6 Q! D; o9 q! \; N& ]; [- U
  22.             hash.Clear();' [. H$ w: z0 _3 e/ Q
  23.             hash = null;) z' C" M! `$ y
  24.             return list1;$ n$ K1 |) a+ D
  25.         }
    1 i  F) }) g, T5 \0 B* P. x# Z' X
  26.         #endregion
复制代码
, h; N8 o. \. V, [; E* k8 a
+ p9 J0 d9 E) [5 i4 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

. w5 n0 z3 h2 {2 ^. G/ f* N  U3 h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. r/ s  a" a. C4 p5 b
十分感谢!!!非常感谢!!

3 ]2 Z2 }/ c8 x8 l* E, f; P6 t缺少一个gethtml,用下面这个:
" @$ O& G2 a3 n. w
  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 8 i% A; P- N) h, y! m2 o7 @
  2.         {4 \9 R, N3 V! b0 h
  3.             string strWebData = "error";
      X2 K9 l4 B8 P
  4.             try$ p- i$ Z9 L' u  K% u/ W! [, B
  5.             {
    # d# F+ a( l2 V2 n
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    2 g5 T  ~# l1 ^0 x8 Z
  7.                 // 需要注意的: . I7 g$ `* X, H) X$ ^: l% f
  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
    0 w1 H4 Z" b' p
  9.                 //这是就要具体问题具体分析比如在头部加入cookie " X; l" M, B" l5 m) \
  10.                 // webclient.Headers.Add("Cookie", cookie); ' f, V6 r* `' B# J8 P2 {+ L
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    " s% c2 ^1 {0 s5 T' K
  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)");
    . A% z: j% r/ R6 D
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    ) c" o' |# G& A2 i, b; w5 N8 o7 P3 [$ Y
  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。
    ' K( l0 U. e. ]  u% d" i5 u
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    ! Q' Q/ R" @1 c5 f
  16.                 //如果服务器要验证用户名,密码 6 c: q- I1 Y' z. n
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); / _8 r# E, L+ N7 |# u
  18.                 //myWebClient.Credentials = mycred; / k; I- t5 L6 U5 ]- v! G9 I, H2 {
  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 `7 o. F$ i. v$ T
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);% U" a) k  o$ [; e% ~; o/ ~! K
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);  T2 T/ h5 t' m+ X! \! D

  22. 9 V4 p/ M9 {% ^6 X
  23.                 //获取网页字符编码描述信息
    3 D4 k4 T2 H3 |# D* {6 f
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    * B& p- _  Q2 n# X" \, L
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
    & z/ E! ]3 j+ b2 Y1 n3 @+ ~" X! e2 i3 t
  26.                 if (charSet == null || charSet == "")
    3 q- a! |$ Y& y2 E* S9 _, J
  27.                     charSet = webCharSet;/ A+ N- E1 T/ M- N5 ?5 ?, M# B; ~7 u
  28.                 if (charSet.Length > 0)4 y9 c  F5 O* j7 q  O
  29.                 {/ h# F5 w5 d! V5 K* p7 ~6 Z
  30.                     charSet = charSet.Replace(""", "");
    1 W" H; ^5 Z; \6 f: k+ Y
  31.                 }
    $ [5 O$ L2 \4 ~  M# A2 C
  32.                 if (UseUTF8CharSet), V$ _% J( Z5 q2 X5 u# L
  33.                 {. z- O, ]( l* H
  34.                     if (charSet == null || charSet.Length == 0)
    ' m6 W3 c/ `0 g; D
  35.                     {2 A/ w7 \; [9 R- c
  36.                         charSet = "utf-8";  _! f2 v! l  q; o+ X4 K# P
  37.                     }
    . k2 X7 c& W1 o7 `& ~
  38.                 }7 @/ ~4 w; }7 Q
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)( d8 L8 G: n2 M; t4 G
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);# b& q( A: N! [7 |4 p
  41. + Y7 W; U2 f7 y% P
  42.             }/ C9 F" k) ~, r. R: ]
  43.             catch (Exception)+ M8 u+ x: l( q8 i, d
  44.             {- _0 \3 \! d8 V1 \/ J  |; G5 r( b) l
  45.                 strWebData = "error";9 D* n5 X, Y! w$ P9 K, r8 \! g- {
  46.             }
    0 @. C# V* b4 |" ]
  47. # h2 t  m$ ]4 @/ `
  48.             return strWebData;% |$ G2 E& ?6 a, l( r& j0 n
  49.         }
复制代码
2 s; y4 V( R, ^7 p

+ ~0 L  z% l, z2 b- T
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, 2026-2-25 21:03 , Processed in 0.053023 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