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
FB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 $1FB企业户海外户,授信户,TK加白户广告位出租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: 9935|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
    , \; p# Y1 Y" d% f
  2.         public static List<string> GetAllHref(string url)
    * H) N7 ~! R) g+ i, k
  3.         {
    ( c$ ~( M, ^2 H4 u. |' A
  4.             List<string> allHref = new List<string>();( B. {4 f6 _% ~
  5.             try
    " F# n" m( c; j3 Z
  6.             {: ~, Z- P3 O+ X" ^+ m) Z
  7.                 string strhtml = soso.getHtml(url, "", true);$ C- L0 o0 b" ~- S! r" [0 H% P/ r
  8.                 if (strhtml != "error")$ _  s9 B- G+ J4 W8 a2 F: @: s
  9.                 {) q$ b' a7 F. C8 E
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    : s9 g0 {. v( y* B
  11.                     MatchCollection mc = reg.Matches(strhtml);2 k: i0 N0 b* F; ]$ g
  12.                     foreach (Match m in mc)
    ( ]+ s  {) B8 C
  13.                     {
    - Y9 K& t1 N' {# N# o8 F8 I4 \
  14.                         Uri uri = new Uri(url);
    ' s2 p( T( H& o& k" J
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);( C' N0 p7 j# C6 M( y
  16.                         string fullUrl = "";4 l+ N4 Z% J: v7 X5 R& P! Y5 D" J
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    . _, x: ?+ h6 [8 m; H+ r
  18.                         {6 q/ {4 G3 w" ^9 O4 \
  19.                             fullUrl = m.Groups["url"].Value;
    % v! U! B  l0 U; s8 \7 a
  20.                         }
    4 _. p4 V5 M; ^2 w0 D. q2 S2 `
  21.                         else
    ' J  S/ H2 k9 o7 e
  22.                         {* f/ c5 c5 x$ W, q" X% ^
  23.                             fullUrl = thisUri.ToString();
    7 a9 o+ ~, P) e. m0 q; u
  24.                         }
    - k& m6 B& P3 n0 ^# H2 g; {
  25.                         allHref.Add(fullUrl);
    4 ~  F' t. T! ~8 o% C, e. U3 q6 e9 }
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    5 Z0 |) B6 N/ D+ Y4 j
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    ! s3 E% |  R' s; A( S6 k
  28.                         //Console.WriteLine("补全链接:" + fullUrl);. F/ y. w# v( f# [) Y5 b5 U. Q
  29.                         //Console.WriteLine("…………………………………………");
    + T5 {7 p% f8 }1 b3 O2 u
  30.                     }' R2 A0 Q! |% h2 s" c
  31.                 }
    . E+ ^6 b) \, r8 t' b
  32.             }
    9 j) G/ ?. K- O( F- ?+ E
  33.             catch (Exception ex)
    7 c, J9 p2 r( R. Q
  34.             { }
    4 ?: j+ ~. m& `0 e
  35.             return allHref;
    7 S/ @& k( X3 W/ x! A
  36.         }# G# }1 z1 F4 m5 a0 s
  37.         #endregion
复制代码

  R3 D+ t% ^% H: }0 f7 v1 ]) M4 g( K0 h8 \

  1. . |/ D% p  m& f, c% J

  2. 1 W3 @3 Q* s0 H' ?* Q( [
  3. , |1 J+ t- O* j; y
  4. #region 数据去重
    $ P9 y% P2 l( W) k
  5.         /// <summary>8 e  x% }) g/ X; b: l. j; V
  6.         /// List<string>去重
    + P8 @4 v1 t2 l8 e1 q% J5 K, L
  7.         /// </summary>
    0 q6 a6 A  @) t1 e
  8.         /// <param name="list"></param>
      l2 T* ~0 A8 H; c3 N$ g
  9.         /// <returns></returns>
    ! v# Y# E) x/ O
  10.         public static List<string> getUnqueList(List<string> list)
    7 T. s, h1 _! n( p: z2 o
  11.         {
    ' \/ [! Q. T) A; ?& p6 i
  12.             List<string> list1 = new List<string>();4 z  {: C- X) R7 c7 i8 Q" q
  13.             Hashtable hash = new Hashtable();7 X& W7 F6 t6 {/ z2 l' d  M
  14.             foreach (string s in list)9 w# m& r: ~7 L" C
  15.             {
    , k$ K) A5 T9 j# Q, K
  16.                 if (!hash.ContainsKey(s)): W& q0 W* c6 q2 ^5 `& }" O1 g2 \% t
  17.                 {( \+ o! W, w1 z2 @2 u
  18.                     hash.Add(s, s);
    8 L1 ]/ W3 b- k2 {' U) o
  19.                     list1.Add(s);
    3 D, Y/ C1 C2 c7 D* j3 ~# }  f) K! r0 u' v
  20.                 }
    , b9 R# |: V6 P% r1 r+ \
  21.             }
      a( Q' Z4 s' X
  22.             hash.Clear();
    ' i3 m9 e$ g4 [5 w- d$ Q
  23.             hash = null;+ g& C1 w5 z9 x
  24.             return list1;
    8 H" d1 @* t, ~0 J
  25.         }* m5 [/ O: K/ q* O: H
  26.         #endregion
复制代码

$ `/ D& W4 o! D' O2 L% e+ w0 m1 L1 c- ^' T2 S

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

) S# A7 m$ b  f0 a$ Z8 X: y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 16:206 e5 _5 }& S3 @* \) r  I/ L2 d
十分感谢!!!非常感谢!!

- Y5 D0 \0 e1 i( d缺少一个gethtml,用下面这个:4 E# ?% ^$ G" v) l6 i- ~! y
  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 ; n, N- I$ x% X/ I0 O& _
  2.         {5 Q) B, R$ T8 s+ L$ i( p% Z
  3.             string strWebData = "error";& z; y6 ]6 N# ]% o; T3 S7 S9 `8 o
  4.             try
    & M, S7 w: o7 v: f0 K2 F
  5.             {
    8 Z8 t; x7 I) G$ H3 s
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    ; b9 Y, l9 q; _; e
  7.                 // 需要注意的: ! m2 L# C: {0 q3 |) 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
    " t% U# v0 K" g2 ?
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    " C0 G: m: K5 [
  10.                 // webclient.Headers.Add("Cookie", cookie);
    & d; n+ K; E7 P" \( K8 g
  11.                 //这样可能需要一些重载方法。根据需要写就可以了# A. V+ f) y- H& C8 u4 T" c
  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)");
    4 i9 A6 a6 m6 ]$ X9 J) Z
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");$ Z" t& `' c$ P2 I; P
  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。 6 M& N, {: R& |. \9 W
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;; q; S1 u. P" s& i. B
  16.                 //如果服务器要验证用户名,密码
    & Z* c! ^1 ^& z" [4 a4 u  Z6 i- V: A
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    % Q2 `# B6 i6 `3 h: c
  18.                 //myWebClient.Credentials = mycred;
    8 j2 N8 j& U& Y0 ?" X- D
  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)
    1 T$ ?8 ^0 ?8 h; {: a
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    ( n5 \7 X8 l7 k9 U) r
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    , U6 R& e) h" @* e( _" r7 h
  22. 0 |8 M4 L! R: v, r2 L- A
  23.                 //获取网页字符编码描述信息
    ! b! F7 S/ {# R# y+ ]
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);& @- l, V+ }1 |0 z. e) Y9 @
  25.                 string webCharSet = charSetMatch.Groups[2].Value;' ?9 H* ~  {, v9 u. a
  26.                 if (charSet == null || charSet == "")- u& o' _# R' l5 A) z0 v
  27.                     charSet = webCharSet;' D  M4 T  p* T
  28.                 if (charSet.Length > 0). ]# g& Q2 Z+ i% w7 \3 R
  29.                 {/ f7 j  C) v# W2 w, B2 I; o" j
  30.                     charSet = charSet.Replace(""", "");  E# B9 j1 c1 A% O% q1 K& e
  31.                 }
    & ?/ t' p- C! s+ l% ]
  32.                 if (UseUTF8CharSet)/ D; |0 [6 H  ~$ _; |0 O6 w% z
  33.                 {
    ' X" H8 G/ a* `% A# h
  34.                     if (charSet == null || charSet.Length == 0)2 ^& B+ _! @8 s
  35.                     {4 r" b% W2 @* H- O* X7 o* q
  36.                         charSet = "utf-8";
    / W+ E# M5 i: o- S& t% b: t
  37.                     }
    ) q0 E! q+ E) u2 H. O" W
  38.                 }
    , [9 c, A3 P) `! S' {" r
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)4 k1 s% i1 j1 O9 \9 P0 r( Y
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    $ X9 B9 S0 G8 Y

  41. & |! g) E$ k2 o6 H% W7 B! a0 ]
  42.             }3 c- W0 W) A8 J) t
  43.             catch (Exception)8 }% ^7 h' q: ]! X6 U0 f; d$ k' H
  44.             {
    & R0 D" d5 g, u
  45.                 strWebData = "error";
    - J& K, K. k/ `4 x( H7 @2 N( u0 ^! \
  46.             }
    3 p3 D4 ^% B+ H2 w. u% Z

  47. $ o0 Q: I& O4 \
  48.             return strWebData;4 L5 m  j1 V! a- Q6 o
  49.         }
复制代码
, L0 F  t$ Y5 B4 ~* j

& C# X1 ?1 f1 s) a) K- 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, 2026-4-7 02:19 , Processed in 0.053198 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