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⚡️
⚡️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Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)
FB 三不限源头 - 自助下户充值转款各种主页、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
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: 9960|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

209

广告币

293

积分

初级会员

Rank: 2

积分
293
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
    * t' x' |/ `3 Q4 I3 S$ \/ M
  2.         public static List<string> GetAllHref(string url)
    : P! Q; h: o! O: n) Z; U
  3.         {
    9 G0 [9 t4 N, U, \' C- k6 V
  4.             List<string> allHref = new List<string>();
    * M9 f& V1 T: u5 \+ g% m
  5.             try3 d/ G0 R* b$ F+ Y. P+ f
  6.             {% r8 K+ z& H" V" G5 m) M
  7.                 string strhtml = soso.getHtml(url, "", true);0 b8 v* m" z* ~3 w* d
  8.                 if (strhtml != "error")
    ( ?3 R: w7 n1 @" O1 b5 C
  9.                 {$ `; j7 s. z$ Q+ i1 J, M6 y: I7 M+ ?
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");- {0 F( E7 X' b
  11.                     MatchCollection mc = reg.Matches(strhtml);3 N3 `+ b" [6 ~
  12.                     foreach (Match m in mc)- g; M/ C$ O- s8 V
  13.                     {
    " |$ O  Q5 K7 g5 q/ v  G
  14.                         Uri uri = new Uri(url);
    - Q# S& G/ S5 \! T; M5 i  o
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);0 c8 A, M! e: e+ D  ~8 u6 k
  16.                         string fullUrl = "";/ a, K$ ]: V0 N. \( P9 W+ z0 j
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    ; C% ], M6 U- Q9 f. p  e6 d
  18.                         {' t- u9 I9 Q  Q8 v. }
  19.                             fullUrl = m.Groups["url"].Value;( x( q. e/ I! ^# u7 F
  20.                         }0 d5 N( v9 B/ x1 q% A0 o( G
  21.                         else
      _: D* I6 q$ o' S1 {: ^
  22.                         {
    6 U: [: ~& b' [8 r# ~
  23.                             fullUrl = thisUri.ToString();
    ( X# B( D1 x4 m3 M. n8 y6 w* \- z
  24.                         }9 K1 j/ j. j  b" \, t
  25.                         allHref.Add(fullUrl);
    2 X7 d) V& {% R! F! ^) C: w
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    / S) A+ s" M% Y! W5 R
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);8 d3 \* t$ U) L6 g$ S
  28.                         //Console.WriteLine("补全链接:" + fullUrl);# J9 O: L+ T4 s0 k' A) P. {7 e
  29.                         //Console.WriteLine("…………………………………………");5 N) ~* C& b; _9 r
  30.                     }
    - O2 H1 }" p5 T6 H
  31.                 }; n" T8 S( i$ D3 n7 L3 @1 P
  32.             }
    % X. Y5 Q2 k% j- N8 v
  33.             catch (Exception ex)3 K# U3 i8 q- P6 |# B- Y  M. s" m, ?
  34.             { }6 f" A3 }9 i$ d5 y/ p. ^
  35.             return allHref;* j0 |& K7 w+ Z! R$ ^/ z2 {
  36.         }
    1 @! c1 b8 @# g" q! I# E+ U
  37.         #endregion
复制代码

" N; i" M) ~: Y- Y3 R- z5 V2 D* B6 j0 n" {' g3 w
  1. ; K( m  R6 q5 m) w7 T

  2. ; d+ R! S4 p- C# G% ]! O/ T/ X

  3. & ]6 ^7 \4 g2 ^7 G  S
  4. #region 数据去重
    7 M2 H; p% l# U7 m
  5.         /// <summary>( P/ y& B; z- T6 G4 F% b3 O3 Y
  6.         /// List<string>去重3 C5 ]$ V" J5 G
  7.         /// </summary>
    3 o1 d7 V. |4 f
  8.         /// <param name="list"></param>
    % Y. g/ k  `& ^! _
  9.         /// <returns></returns>
    3 ?" s& O! v# F$ X0 W
  10.         public static List<string> getUnqueList(List<string> list)6 z, u# v5 A6 _# _2 Z; ?
  11.         {
    $ d8 d8 `7 ]* J- e" C
  12.             List<string> list1 = new List<string>();
    3 h; o" s1 _4 ]+ B
  13.             Hashtable hash = new Hashtable();6 k% N$ a/ o7 ~' j8 H' S& ]* ?
  14.             foreach (string s in list)' h. i: \# m7 _! y
  15.             {) z) F- k9 E4 f  m( X/ q. b: ?
  16.                 if (!hash.ContainsKey(s))+ \$ D! c: W2 J, r4 O; h
  17.                 {
    + X% a0 B. R; ]1 r" Z' U
  18.                     hash.Add(s, s);+ x$ L. b+ f$ ?# e
  19.                     list1.Add(s);" v0 {* w9 ]3 C
  20.                 }
    ( r/ ~2 N5 B  H: n* G
  21.             }
    1 F5 y2 s- ^& V
  22.             hash.Clear();. r& t  o+ D. l8 X- n
  23.             hash = null;& c0 P7 @4 w5 @
  24.             return list1;
    ; N3 t* z6 O3 ?$ d' n
  25.         }
    * ^* N; D" g: K; T* ^+ g7 ?
  26.         #endregion
复制代码

( J/ f5 ^; U, o& V0 w2 @# G+ y  N

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

209

广告币

293

积分

初级会员

Rank: 2

积分
293
 楼主| 发表于 2016-2-26 16:20:16 | 显示全部楼层
% X/ ?: `$ U1 r  q( Z: P
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
0 ]# p& p+ a# J十分感谢!!!非常感谢!!

+ w/ ~& A& G8 p) f2 ]$ A& f缺少一个gethtml,用下面这个:
6 g, T& i; y, L0 {/ k
  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 R9 V: f" q4 ^% l7 q$ u3 n
  2.         {
    6 d" \2 C" p: X3 I% }
  3.             string strWebData = "error";/ z% E2 m& i0 U4 W6 M1 O
  4.             try
    # a; B% o6 P! `- f
  5.             {0 k) K  a* G. E
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    # b/ j$ f+ s% L/ F! [
  7.                 // 需要注意的: $ c% A+ o1 K+ g( \) w! l
  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 1 N1 ~0 p  W) t: n4 \/ |8 }
  9.                 //这是就要具体问题具体分析比如在头部加入cookie - }2 {( M: [0 i. i6 b* Z& y& G  x
  10.                 // webclient.Headers.Add("Cookie", cookie);
    0 z/ [+ M% G: n" R
  11.                 //这样可能需要一些重载方法。根据需要写就可以了. {# v+ U% O4 F/ ]% f
  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 ?. F! [0 t4 P
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");4 h3 j# f2 [7 B8 f+ K+ Z* w$ G( w! n
  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。 # j! n+ ~/ _2 o2 y
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;& o3 q9 R1 N; {3 q0 \  ^: u& G
  16.                 //如果服务器要验证用户名,密码
    , L8 C/ X+ t1 p5 ?
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); % @, q& ]( ~/ x/ V6 w
  18.                 //myWebClient.Credentials = mycred; % ^0 T: m: Z9 G# ?
  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) 8 \8 F9 |9 T+ o( ~- q
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);( X2 a' i; ^. K) m! o4 c' ~
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    3 A& y! \8 J3 V- G$ i% _; Y3 @) u
  22. - `/ Q) M7 Q# Y9 B; a7 c& Z
  23.                 //获取网页字符编码描述信息 , K" I; @6 o+ s9 w
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    2 R' ^* M" t3 F/ x% i
  25.                 string webCharSet = charSetMatch.Groups[2].Value;' [& s' h" A5 C% x  c( \
  26.                 if (charSet == null || charSet == "")4 `5 p) f; B/ n% y8 ?# T+ u+ n5 B  M( V
  27.                     charSet = webCharSet;
    ; M2 ^3 A2 N  O4 [
  28.                 if (charSet.Length > 0). B7 P. d# n' M3 x1 Q- N% V# v
  29.                 {
    , |) l* v. G9 d. B
  30.                     charSet = charSet.Replace(""", "");
    8 @2 H! V0 C* {1 g" A! Y% {
  31.                 }8 o8 l1 U! b' N1 J2 E
  32.                 if (UseUTF8CharSet), [' C# \" S* X  z) B; E
  33.                 {
    " L3 U) x: C7 j* q: Q1 H: u
  34.                     if (charSet == null || charSet.Length == 0)
    ; `5 J! N1 c, X4 Z
  35.                     {# p' ~0 r8 E, E' X# I
  36.                         charSet = "utf-8";) k1 f4 H- L7 |0 K, I, B
  37.                     }
      K% J8 |4 h' G9 A% k/ q% c
  38.                 }
    ; z) M6 Z% l$ j7 F6 E7 z! [3 P
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    + ?1 @; ?% a' f4 D
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    " x! c: j" I' @
  41. / P7 ~" s. d' K: A! y4 a
  42.             }
    , u( p" P+ W$ d$ K9 B! N
  43.             catch (Exception)' S( s7 _' w. C# W
  44.             {
    / q. N* a3 X! k" b8 Q3 \7 x, {
  45.                 strWebData = "error";
    0 m  G. x: ~8 ~- Q5 Y8 @6 `# c! O! C
  46.             }
    2 ^! T) @, ?0 l
  47.   ~7 a- u; C. r
  48.             return strWebData;8 w" R, H7 a" {
  49.         }
复制代码

6 D2 J# D/ U0 L% L! p, M3 m% Z2 K4 H* A' F; x; Y
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, 2026-4-15 05:40 , Processed in 0.059549 second(s), 20 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