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: 9785|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
    ' M3 ^8 N! u: H$ d$ s: z
  2.         public static List<string> GetAllHref(string url): b' X* h7 q. D6 ]' u
  3.         {
    0 H- ^5 Q% H& b4 r! y
  4.             List<string> allHref = new List<string>();
    2 v5 \. @! a% T. i; i+ f. ]8 M
  5.             try# X9 A3 g5 Z( t* o% Q# \& h
  6.             {
    3 l: V! U) N; F- X
  7.                 string strhtml = soso.getHtml(url, "", true);' ^- A9 u% i. Q$ `5 s# y( f
  8.                 if (strhtml != "error")# }: F+ Y& Q6 G
  9.                 {0 r5 a7 g% f% o: F8 ?5 V
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");8 k3 _0 q+ I' Z$ O  J# }3 U0 {
  11.                     MatchCollection mc = reg.Matches(strhtml);
    2 x; |( \5 ~7 ^+ C
  12.                     foreach (Match m in mc)6 f& c7 I- {6 G3 U
  13.                     {
    , i. O' c. w7 l4 D0 b# Y
  14.                         Uri uri = new Uri(url);
    $ d0 I5 x) a' k% I* B  _, W
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    * r% }4 i8 ^6 L$ W' g: l- ?
  16.                         string fullUrl = "";3 u5 P- `/ U& Y1 ~6 v. ~1 X! w
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    - o" e/ Z# n5 }, r' P$ w% [9 u. h- c
  18.                         {
    $ p& _5 K. r) F8 z! s) S
  19.                             fullUrl = m.Groups["url"].Value;' P; u; t& C7 w% k) g4 G+ J4 S+ v
  20.                         }' D. `8 [, d( `7 q9 E
  21.                         else1 S+ T& i9 g$ C4 U; T5 _" l' e
  22.                         {
    # D4 F6 r5 X% M, ~4 N' C
  23.                             fullUrl = thisUri.ToString();. \4 \3 O) r- T) O- o
  24.                         }0 A& s6 q+ Q& H6 H
  25.                         allHref.Add(fullUrl);. ]3 ?2 d  U* I. f. _$ u
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    , T" F- f9 E  x, V* S
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    2 [2 Q- B' _: |9 F" T6 B
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    9 G: O2 a+ Q8 _
  29.                         //Console.WriteLine("…………………………………………");" ?' P& Q7 M; F9 z/ N) j2 P9 v
  30.                     }; I( i, C) h6 _. H/ ^' q$ P' A; r
  31.                 }
    1 G% z; l! B) H3 f, m( ~
  32.             }2 f. w4 v5 c" ^* q1 ?
  33.             catch (Exception ex)
    ' L0 H4 s, k8 O$ ?5 S
  34.             { }
    , f3 k1 U, `$ A4 V7 ]0 O
  35.             return allHref;) S) `7 N9 ~6 V$ R% t
  36.         }( r! f5 Y; C+ T* @4 i- @3 `
  37.         #endregion
复制代码
4 S; F* E$ m5 \4 |+ k5 ^; I3 n6 u

4 M1 l  @: G! r' [  m
  1. - G9 i1 e# b* [" ^
  2. 8 f! n6 T2 N8 \$ @, u( q
  3. * x6 d* I, L. h, N8 h8 F) o
  4. #region 数据去重
    1 [% B. O. }3 _9 d& v+ n8 G% i" M
  5.         /// <summary>5 V! R$ }" Z$ I% B; A
  6.         /// List<string>去重
    : D' O3 b8 E4 t* N/ P0 N* T
  7.         /// </summary>
    # |' H2 j4 N. A4 C/ x
  8.         /// <param name="list"></param>
    1 i) o& [/ @% \0 _! y# s/ {
  9.         /// <returns></returns>
      p/ g% c* c6 q% @2 O' r( h
  10.         public static List<string> getUnqueList(List<string> list)
    ' t- ^6 m. u; u/ D, e4 S
  11.         {# k7 d7 A+ C& {) a  _6 |" d
  12.             List<string> list1 = new List<string>();6 t2 B$ b/ D, N
  13.             Hashtable hash = new Hashtable();, L* q6 t! N4 ~8 z
  14.             foreach (string s in list)8 `3 m; [; p* R6 A# Y
  15.             {
    ( Y1 R1 P% ?# B! c
  16.                 if (!hash.ContainsKey(s))3 r/ o2 ], N' N( U
  17.                 {8 \5 W" R2 i. i+ p) M. w
  18.                     hash.Add(s, s);- M6 f" v9 f' E1 N5 h  z% g
  19.                     list1.Add(s);
    3 o! d0 K$ b8 ?! s) b, r
  20.                 }
    % T9 h' |0 i- G" i: s; u) ]7 y
  21.             }
    + `" P5 S' ~) p
  22.             hash.Clear();5 h+ f" U! ^! D" ]" [; c! \5 C
  23.             hash = null;
    5 \! o- {, P7 E) e) }
  24.             return list1;% @8 s! u8 g" ]& ]8 {  Z! f6 @
  25.         }1 p5 ?. Q6 r1 J: V) ?1 ?
  26.         #endregion
复制代码
( ~& N9 g  ?+ g0 L6 G: ]

9 V, L+ }7 ^# z1 B6 O

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
( e( B! e8 h- ~& N2 e: `
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/ S& k. i; }  [2 m  S十分感谢!!!非常感谢!!

1 X/ j( x) e5 h" |% `6 B2 P4 h3 U缺少一个gethtml,用下面这个:9 A6 d+ \4 y& p  g* K# c
  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 ' ]9 d7 N% [* t/ u1 ~2 @4 Y7 h9 o
  2.         {
    : y. z' n: A$ G$ |
  3.             string strWebData = "error";' f$ i/ n" Y( z0 K
  4.             try7 ]/ h. c: ^0 Y
  5.             {
      H- u5 `. ]/ s, Q2 K) M' B
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 7 L+ g8 [6 X- X8 f3 D
  7.                 // 需要注意的:
    1 m& ~; R* ]1 b, g( }6 o7 @) ?7 C& `
  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
    8 O1 Y9 \" p& Y5 e/ }- G
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    . F" N  k- ?' W* D; S/ o0 f
  10.                 // webclient.Headers.Add("Cookie", cookie); $ U6 z2 m  j; b9 x
  11.                 //这样可能需要一些重载方法。根据需要写就可以了) ^  E: Z% r: z- E  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)");
    + ?5 f* n/ B+ n0 s- n/ }# [
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");# f( U/ S- p  Z. T. P0 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。 % T6 B; V) B9 o1 J
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    ' X9 Z, w% U$ o3 K+ H: k4 H% S7 E
  16.                 //如果服务器要验证用户名,密码
    ) p3 s. w$ K2 x# k& z
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); % N; L: K* g2 [9 l- S. i, b5 x
  18.                 //myWebClient.Credentials = mycred; / [7 K; @. E/ {0 I* m. `! v
  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) 0 F9 B3 G2 X5 o. d5 v
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    + P& V% V! X7 L$ U
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);" x7 t7 g/ ~" t2 X

  22. ' n/ a. J# d  [6 ^# o+ q9 t
  23.                 //获取网页字符编码描述信息
    . n; {/ n0 v3 x, x$ S. V
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);& N# `0 r3 [2 g! E
  25.                 string webCharSet = charSetMatch.Groups[2].Value;8 ?+ C9 f& p3 Z
  26.                 if (charSet == null || charSet == "")
    . q7 M1 a$ O% j: {
  27.                     charSet = webCharSet;: Z$ N( Z1 @) v$ X! B3 o6 {
  28.                 if (charSet.Length > 0)2 P: ?: `; \  m
  29.                 {5 o2 ^7 u2 k5 `, v. e$ v2 f4 I( A& N
  30.                     charSet = charSet.Replace(""", "");7 m0 |, T& u( N$ H. y: s  N  d* C
  31.                 }( l: X% L1 m9 a) `
  32.                 if (UseUTF8CharSet)4 e' k9 ?! M+ R; s4 [& p
  33.                 {
    4 K* F1 V, F, A; L' T
  34.                     if (charSet == null || charSet.Length == 0)+ v3 b% |1 o2 ]; [  A4 Y; G5 v" T' b
  35.                     {
    % I# z: W9 e" S+ O# E
  36.                         charSet = "utf-8";! h1 W( K3 n  J  B
  37.                     }
    - t& Q) _% q2 t1 I" ^
  38.                 }
    ) J, s# ^& |6 \# g/ `
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    0 X( l& `' o! d* y% N
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);8 [5 H6 {* V. O) r* G8 ~8 G
  41. 6 B! O. N) d9 a' R" y0 p' E4 V
  42.             }
    / l: m9 X$ O9 m  {: Z2 J" K
  43.             catch (Exception)
    . C) F# @; {# x6 A, [: _4 K- J& W( u
  44.             {' Z& K5 D( r+ z" v6 H
  45.                 strWebData = "error";  T" ?' a; C7 F& i  d9 V* N: A0 k
  46.             }) t" C- R3 c& u6 n# {% g- {

  47. 2 q$ p3 L4 U% V' o# y* ^
  48.             return strWebData;% Q7 ], S2 w* U# L% H3 Y+ N3 k
  49.         }
复制代码
$ s$ H8 p3 ?: V6 ?5 e6 X
7 p& o/ Z& J1 L3 `2 |! E$ m) S
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 07:59 , Processed in 0.052768 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