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ISPFB海外户、GG老户、TK加白老户
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
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: 9826|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1 s& b$ Y5 P# a6 J; U% Y* z
  2.         public static List<string> GetAllHref(string url)! V1 P; s; q* A( S7 G
  3.         {1 @) G4 W1 v; F+ e
  4.             List<string> allHref = new List<string>();
    ! ?; a* e5 K% e! ^% l
  5.             try/ r6 G& y9 ?; m
  6.             {6 h# B& {4 m: Z: p7 @! {
  7.                 string strhtml = soso.getHtml(url, "", true);
    4 y" N5 |- D( z! ?
  8.                 if (strhtml != "error")
    9 y1 G3 l0 h: c& H1 ~$ Z% g
  9.                 {$ c- I! q- [3 y$ ^
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");' ]3 ]  X" x/ F, R" \1 K
  11.                     MatchCollection mc = reg.Matches(strhtml);
    . P( }( }8 o  Y# J
  12.                     foreach (Match m in mc)8 ]; n! k  X$ s0 l. h/ b
  13.                     {
    ; W& ^! f3 W- Z! r. W  o
  14.                         Uri uri = new Uri(url);
    6 c0 }; m! T! Z1 z: [8 O9 v0 w
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);5 E+ D- X, h' W0 q3 v9 Z
  16.                         string fullUrl = "";
    2 T; }. ~+ N7 m( g# e
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    5 c' R1 T4 h# J  F- {6 l
  18.                         {8 l0 i/ B. ^! _) P
  19.                             fullUrl = m.Groups["url"].Value;
    1 n3 V7 v  Z  z$ y' V
  20.                         }
    - m3 c% o* h& O  }
  21.                         else7 {1 q; u0 O6 c7 p/ E+ j' @% t
  22.                         {/ N/ [: B, ^; D  m% n
  23.                             fullUrl = thisUri.ToString();; n" r/ W" V4 J4 Q. _8 s3 T9 J, k. Q
  24.                         }
    9 l1 p$ U3 t6 q# C3 Z& s* L
  25.                         allHref.Add(fullUrl);
    " e! i* Z" N& F4 H' M
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    7 {% ~2 l9 L  n0 N
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    9 i8 p0 y. \) J- h" N) K6 G) s
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    ! N  n+ c. U" W  H
  29.                         //Console.WriteLine("…………………………………………");
    / q! N! ^, C. O% L  `9 b' O* L
  30.                     }7 _8 l: |6 s7 e2 [  H. q
  31.                 }! u$ u' v" \% A  ^
  32.             }
    & |  m5 W0 J; b  B
  33.             catch (Exception ex)
    $ s' ^' ^, E8 W% Q
  34.             { }3 X- q: g! Q. W% G
  35.             return allHref;
    3 |( L( F' \5 ?! l( B
  36.         }3 j0 p% ^+ ]! R% c. a5 N4 L
  37.         #endregion
复制代码
- n3 }8 Y% T4 X5 h
2 J. ?9 I0 L* |3 n6 Y

  1.   v, M! ]/ ?, j8 Q, @
  2. * l. y0 e/ O' Y1 ]( _, S
  3. 2 t: w9 P( N  p' V$ [0 a
  4. #region 数据去重
    2 y& Z3 y( P% b$ j  {# P0 f5 y
  5.         /// <summary>
    1 \: b3 `* l, n# v+ E$ g
  6.         /// List<string>去重
    7 ^3 `; l% ^- j0 B$ ~* y* h
  7.         /// </summary>
      u6 {( V, `6 ~
  8.         /// <param name="list"></param>
    : ~& T8 G  Z. r, \5 X8 z! b
  9.         /// <returns></returns>
    : D9 m1 @- x% R: N3 f
  10.         public static List<string> getUnqueList(List<string> list)
    4 g) e9 t! s% L
  11.         {
    ( a' W: w1 I7 F/ a7 \
  12.             List<string> list1 = new List<string>();
    + \" D1 O5 E# z
  13.             Hashtable hash = new Hashtable();' r. ]4 R6 k+ [+ t( `8 C% ~) l
  14.             foreach (string s in list)
    7 \! a: Y$ l" d+ k
  15.             {" v1 ?  M4 k( b$ n: {- Q
  16.                 if (!hash.ContainsKey(s))
    ; F$ x0 g7 m1 c
  17.                 {
    , z0 b: |+ b/ m6 [  ]' }
  18.                     hash.Add(s, s);
    " S4 f0 P/ _/ ^: J. i
  19.                     list1.Add(s);) K& M: s7 V8 X! G$ `
  20.                 }' W# J1 N4 M, K5 r$ D  L
  21.             }
    " ~2 @- Y6 I9 t9 w7 _  ^
  22.             hash.Clear();
    ( O' z# y. |# X8 M6 i3 n( R
  23.             hash = null;0 M1 G' Z3 c( `7 E! c
  24.             return list1;
    $ g7 ~- @; K* D2 x2 p4 t& Y
  25.         }
    2 ^: y8 [2 F6 w% @9 q, Z) L1 G( p# T
  26.         #endregion
复制代码
) S; B6 v9 I# h

$ K) f: w$ R: V. p) b* w& T

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
7 K9 H9 E9 `1 K+ i0 C$ q
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; _2 S5 b7 a+ {6 o" B
十分感谢!!!非常感谢!!

' i, v! G4 a1 ^  g6 _8 f缺少一个gethtml,用下面这个:) }2 P1 H$ }% G
  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   n6 ]3 H# X- D
  2.         {1 S5 X+ n7 [! C0 ~; t/ N4 q
  3.             string strWebData = "error";; h! A7 _& O+ ]7 y0 l- g. s
  4.             try
    ! O8 |7 s3 I: ]8 L. c* l! v
  5.             {  J+ h( U6 M# f+ v1 W& ?
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    ( H: B$ `1 r. k
  7.                 // 需要注意的:
    # a3 S1 i9 s% I) r& p: J5 e
  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
    5 ^$ O0 r0 L7 N+ t) a
  9.                 //这是就要具体问题具体分析比如在头部加入cookie . G) G" t% N9 e6 p6 }2 K+ O4 j: H
  10.                 // webclient.Headers.Add("Cookie", cookie);
    * U/ \4 }2 N$ p! c0 x* ]! a1 e
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    ( l" V- j6 p6 }( |' C8 N
  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)");
    9 \: D& p8 R0 P1 i. F. `  l
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
      y+ Z& \6 B( I3 D6 f
  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。 ' s5 L2 {6 b- a) G4 _$ j: ]6 f
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    6 J  ~" b4 Z3 q; k
  16.                 //如果服务器要验证用户名,密码
    9 F9 _" p# }* l
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);   `- p/ c2 E. v: v  b
  18.                 //myWebClient.Credentials = mycred; ) }; G- u; x  L' D( t- Q/ S4 k
  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)
    . F1 A( s3 B7 h* {$ M
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    ; T) [6 d+ M. B9 E3 {6 B1 U
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);1 g2 O, _* E7 f( r, g' b

  22. 9 N. {5 i) R% {& M9 n% y
  23.                 //获取网页字符编码描述信息 ; Q" g5 f% p4 b$ r% B4 n: t$ l
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ( B8 q2 G) ^1 b; H) ~! X: U4 \
  25.                 string webCharSet = charSetMatch.Groups[2].Value;7 Q0 Q: n) C1 Z2 @
  26.                 if (charSet == null || charSet == "")2 t* |( z$ V, N$ A4 B* H
  27.                     charSet = webCharSet;
    9 s) y' X" N) C, j  F
  28.                 if (charSet.Length > 0)+ ~( L5 G; t& P
  29.                 {
    2 X% T" m1 e; b9 X: l& I3 I, x
  30.                     charSet = charSet.Replace(""", "");
    * B4 c. a' P' l5 x. B  V  j) Z! I
  31.                 }
    " X7 D% T0 W8 v1 a9 ?
  32.                 if (UseUTF8CharSet)- {+ |7 [4 N1 E# S1 Y
  33.                 {* L4 Y; `7 j* T0 s) ~+ R
  34.                     if (charSet == null || charSet.Length == 0)0 K9 ]3 j! g, ~
  35.                     {
    , o' m# Y% n1 \9 c- S- h7 `
  36.                         charSet = "utf-8";
    & _2 {9 L. L- \' n5 @) Q
  37.                     }# X' P0 |' p1 Y. S+ C" }
  38.                 }
    8 [" v# k7 P1 M' j4 S
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    , |- ^! T0 X0 W' f4 q( o
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);3 s1 U( v% {+ C8 h1 T% d
  41. . g" u4 t: g6 L8 G* [5 K) i" a( i
  42.             }
    # M# v8 n( f! d1 O0 q
  43.             catch (Exception)$ G/ M0 s  x& [. z
  44.             {
      K5 v$ a) a% C' j, T
  45.                 strWebData = "error";) Y3 [" L3 _. V7 _% Y
  46.             }
    9 }6 O1 p2 x, J9 k! [  _, l" t
  47. 5 f( [( ^, B5 ]
  48.             return strWebData;
      Q* W3 K0 z; U# q, J
  49.         }
复制代码

; I) U# ]( {/ h: z& Q
3 I, n2 _" U( v" t' q0 ?* t6 w
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, 2026-3-5 14:25 , Processed in 0.051747 second(s), 17 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