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: 9766|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7 [. x# T  c5 @% p4 q
  2.         public static List<string> GetAllHref(string url)
    ' \9 W& f% z$ u8 J
  3.         {
    1 o0 z" W) [' K  X# Y  |' E
  4.             List<string> allHref = new List<string>();  S& e% @) f: t+ c( E$ d4 p* m8 p( b
  5.             try6 K+ O' A: ~' |9 o( }7 ?
  6.             {
    7 B1 j/ v/ ]- t( ]3 i; r" b& s/ z
  7.                 string strhtml = soso.getHtml(url, "", true);, r; H7 l9 O- h5 R3 \/ g, e
  8.                 if (strhtml != "error")* s0 }3 S* l# y0 @
  9.                 {( Y: B7 _( I2 L! I
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    & `& |* s) Y3 l! J8 ~7 ^) ~6 h  _
  11.                     MatchCollection mc = reg.Matches(strhtml);
    1 S9 L3 q6 u! \/ z+ O
  12.                     foreach (Match m in mc)7 k- t% ~. N) T
  13.                     {3 b7 f# p% A, C, R, P
  14.                         Uri uri = new Uri(url);
    . w# J) g2 @8 T  {/ S7 S/ p
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);! h4 v% Z/ G& _3 S/ @
  16.                         string fullUrl = "";8 k  Q+ ~9 r& ?& z* |$ k
  17.                         if (m.Groups["url"].Value.StartsWith("http"))% x4 }# W1 Z. x" Q
  18.                         {
    6 j# X$ P- ?; b, F4 W
  19.                             fullUrl = m.Groups["url"].Value;- Z) Z1 d  |: @! v2 ?
  20.                         }
    . I% _. L1 R" h/ N
  21.                         else
    ) F5 Q- H2 N  O. `) M
  22.                         {
    & ?! {8 E5 d9 h% l
  23.                             fullUrl = thisUri.ToString();- B& h1 G6 d+ x8 e4 `* x
  24.                         }
    5 I6 x7 \: |; v' Y$ p
  25.                         allHref.Add(fullUrl);
    1 R7 |( ?  {9 j9 Q
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    - W% u% i9 d1 C) S# R, ^
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    9 |8 E$ i) I8 D
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    + R; l+ J4 T- m7 ?) N. c6 O2 ]
  29.                         //Console.WriteLine("…………………………………………");
    ( r& Z% N2 N+ n+ |8 P7 z% i8 `' O
  30.                     }
    7 L8 u, A9 Y. S4 T: z( H  Q9 y
  31.                 }2 O9 ~5 l1 p( `$ y  p
  32.             }
    5 p1 \9 {7 D! O! A8 q+ v) ?
  33.             catch (Exception ex)
    " m- Y/ z2 i- u: P: U
  34.             { }
    / V4 w$ V" q/ i: Q" `* Q0 K4 S5 o
  35.             return allHref;0 w# |* @# A" |3 x
  36.         }
    # y7 _: T7 g0 E2 v7 U" ]( l$ w
  37.         #endregion
复制代码

$ k3 W6 Q: k* v4 d4 O
# ~, l+ k0 W; o- b! L" t4 u

  1. + i3 X% S! T  m" e
  2. : b7 e) |  y6 c" P7 _

  3. 5 M0 j$ h) W# n& {
  4. #region 数据去重
    * j, D8 `! E; x! a9 R
  5.         /// <summary>
    - s" w# `6 Y8 l1 w. U
  6.         /// List<string>去重
    ' D+ Q0 g, \; k: v( T6 h
  7.         /// </summary>, @/ ]/ Z. T* t- U
  8.         /// <param name="list"></param>; p6 y5 x' X& C4 ]# f" @3 E1 M
  9.         /// <returns></returns>( D' K5 R# u- q5 I/ b% K5 g
  10.         public static List<string> getUnqueList(List<string> list)6 B1 i! N( K9 }5 _% v
  11.         {+ r7 t; ]0 J3 W) B- g6 X; J
  12.             List<string> list1 = new List<string>();5 M  G0 u) ?, i  h* [' X
  13.             Hashtable hash = new Hashtable();" \% _, v2 Y9 l' x- ?
  14.             foreach (string s in list)
    8 G  L5 n( M$ [# V
  15.             {) N$ c& R( I; |. v, p
  16.                 if (!hash.ContainsKey(s))' M; f. ~& x9 K0 C7 U$ L
  17.                 {- D' D1 M9 @% ?. c% Q
  18.                     hash.Add(s, s);5 |3 u9 o* q$ U, a* K3 y
  19.                     list1.Add(s);/ A5 e8 o! i6 J) z- {9 v
  20.                 }; ]+ H% d1 n. W' p4 i) m
  21.             }7 A% X% X) L+ q. T, \4 y
  22.             hash.Clear();
    2 B" b) `, X+ a: X
  23.             hash = null;
    1 V& k) d1 i5 [# _
  24.             return list1;
    3 R1 ]. w# t" j: I7 \! @, [* z, a1 u; u
  25.         }& \% a+ M/ u& ?0 ~# w/ ]
  26.         #endregion
复制代码

2 _9 e; B6 q: ]& |& G# v( b! ^/ q, F+ T8 L+ t0 r& r1 \

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

0 _& j3 ]9 S0 s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
1 f0 R* y/ p5 s1 R十分感谢!!!非常感谢!!
5 E8 ~5 F" o3 J' M# i" W' N$ Z
缺少一个gethtml,用下面这个:
4 l( \8 S9 |6 |  {1 I  \1 h& g1 ]
  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 5 K# h' m) l; k6 N5 M# ^% U; U
  2.         {. _& z3 K8 k8 v7 q- a( v
  3.             string strWebData = "error";
    1 v8 g% a  }* E* ]% `+ F3 M/ W
  4.             try
    1 X% ]9 v* Q/ V/ l* @
  5.             {
    ' G7 {6 y$ }/ r
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient " _) x2 g& r" E2 t9 P' r- z  F
  7.                 // 需要注意的: & J5 T! n+ |1 T
  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 . E5 j/ T3 ~: j  C  I
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    9 ~7 ^% j% i5 z5 p% c
  10.                 // webclient.Headers.Add("Cookie", cookie);
    6 |% e2 b# w7 P- G1 f9 U
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    4 q# v1 J1 Z2 }; l5 E3 g: h
  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)");
    ) l4 G, H( z. e& g3 y( T
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    7 ]3 o! N( V! D# t
  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。 1 `! c3 G  C; b1 u& D: a# g5 K
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;1 a4 J/ Z! @& @7 r& E
  16.                 //如果服务器要验证用户名,密码
      }4 w6 R- o  _+ S/ X7 p
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); - Y- z) e# n8 Y& |8 M0 h
  18.                 //myWebClient.Credentials = mycred; - z& T% S5 }1 H9 u, `
  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)
    2 ]; b7 Z8 F) U- o2 c6 h& R# V
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    . \4 X' `" ~4 B: E" Y8 C2 O
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);9 ]0 u. P7 y) W

  22. 6 T3 {) B2 M, @" e
  23.                 //获取网页字符编码描述信息 ' v5 L6 J' U" D  ]5 {2 C( Q& q8 o! N
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);& i  I4 G2 `; i) R! G
  25.                 string webCharSet = charSetMatch.Groups[2].Value;, }4 I+ y+ j$ P, }
  26.                 if (charSet == null || charSet == "")
      M3 s; j, Y  N8 A% |$ C. M" A
  27.                     charSet = webCharSet;  f3 R/ V; X1 S: h" J
  28.                 if (charSet.Length > 0)5 \* @6 W& J  H' j8 ^8 b  ]
  29.                 {: t3 g& X. b% A( W0 X- }: j& X
  30.                     charSet = charSet.Replace(""", "");
    2 o; Z8 ^7 N, f9 A! L. T0 ?$ N
  31.                 }* A" y- z( p* f5 C9 L  i
  32.                 if (UseUTF8CharSet)
    2 E/ `. F2 n6 u
  33.                 {: n9 x- \% h4 Z! r! |7 d0 V
  34.                     if (charSet == null || charSet.Length == 0)
    3 f9 @) N" U3 d) _) X5 h$ Y% x
  35.                     {
    : X% Q' T! H0 V+ @* i6 H
  36.                         charSet = "utf-8";
    1 R( c+ G+ E7 h1 X# w4 |+ P  K
  37.                     }# ?9 ?, G- p* {: g9 f3 I3 A# n
  38.                 }
    $ }4 w$ Q  j& s9 @$ _
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    ) r+ X% s/ T% U( ], _
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    % B3 w! ]0 N/ K/ f; c) e; W( z2 d7 q. Z

  41. . a: u1 A0 ]* g* E4 P4 _4 u$ a6 v
  42.             }
    7 X- @6 w5 a6 B( v  A
  43.             catch (Exception)
    1 }9 T: b* {' Y4 ]
  44.             {! r' `+ B$ m, s) v: `7 x3 }. h
  45.                 strWebData = "error";
    0 D. _7 U) u& W( T/ H
  46.             }
    . O0 {5 h9 P$ _6 K7 J4 T" _4 a
  47. 4 |8 d) U& q; T9 y1 e5 v- @2 g
  48.             return strWebData;: |! I/ u3 @1 r: o( d- z& N2 s
  49.         }
复制代码

1 f9 P6 r5 M) G  P+ `
  P; ~, u" A' A& f
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, 2026-2-20 12:41 , Processed in 0.058901 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