AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Adsterra China
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G皇家代理IP⚡️#1性价比⚡️指纹浏览器,就用AdsPower
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
FB BM不限额,短id账单户E.PN 虚拟卡DuoPlus专注打造跨境电商云手机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)⚡️个人户,bm户不限额,账单户Google、Bing官方总代  联盟流量开户
FB资源,账单户,分享户,国内一手FB企业户BM户账单户源头海外CL企业户源头PTM全球虚拟卡—进来交个朋友!
PTM虚拟卡⚡️费率透明⚡️额度随心FB虚拟卡⚡️消费越多返现越多虚拟卡 - Pay2.House【找量】BA独家Nutra单找量
虚拟FB卡 ⚡️ 透明条件 国内外持牌,虚拟信用卡和收付款广告位出租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: 9516|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

174

广告币

260

积分

初级会员

Rank: 2

积分
260
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

1468

广告币

1811

积分

高级会员

Rank: 4

积分
1811

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5 b- S8 ?: ?. S
  2.         public static List<string> GetAllHref(string url)* c( R- S- z- B- |4 `, {
  3.         {
    , e/ ]0 _: j% |7 G
  4.             List<string> allHref = new List<string>();2 Z7 G: |) E1 V1 K
  5.             try
    ) n+ S, a3 `5 Z6 J
  6.             {
    % ~3 E# r7 ~5 ?, D
  7.                 string strhtml = soso.getHtml(url, "", true);
    5 ~" T5 ?9 z! m5 r, e; F' Z
  8.                 if (strhtml != "error")
    . O5 f& R. E  v& m0 z+ z
  9.                 {. S# o; s+ q! q; @, j6 @
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    & c) Q5 t$ o& W$ {2 v" y& b4 N
  11.                     MatchCollection mc = reg.Matches(strhtml);
    " o/ r* T! h0 u" H5 z
  12.                     foreach (Match m in mc)$ d2 I2 u5 I1 G9 n: H
  13.                     {. }* i( D6 Z, F$ e# l8 B# T
  14.                         Uri uri = new Uri(url);
    : y3 j; l1 l- J$ f( J
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    ( y/ f; j5 L/ P' R/ v3 Q7 j
  16.                         string fullUrl = "";
    3 X4 H9 W1 [5 v3 j" J: q% W4 d2 I) s
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    ; `7 L' ^( w: y# {9 a+ f
  18.                         {+ a3 P% a: x1 u" ]
  19.                             fullUrl = m.Groups["url"].Value;
    ' X- }) K) K3 `3 m# t
  20.                         }
    # e8 o" O& l/ S# H; V6 f: H
  21.                         else
    3 L, t5 z7 C- V' v, o
  22.                         {
    ; E6 D7 {& t) F& c! ]" x* j- H1 c
  23.                             fullUrl = thisUri.ToString();4 Y! `3 ^/ p; E8 H9 [' h8 f
  24.                         }
    / u% u% H% m6 a- B$ F; C
  25.                         allHref.Add(fullUrl);
    ) S  S2 n" S% _! v* g
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);9 o( O) N% s/ Q
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    * A  b0 v# R5 h/ o' J- |0 {; C8 h, h
  28.                         //Console.WriteLine("补全链接:" + fullUrl);0 Z' w/ q1 ]$ t5 {
  29.                         //Console.WriteLine("…………………………………………");
    ( o+ s2 k1 Z+ x  c
  30.                     }
    " C1 g" M- C) c. C5 C2 v
  31.                 }4 G6 F; k" y- E0 Y/ U, B* u. Q7 }
  32.             }5 C/ ?1 Z& l6 a4 x% w) i6 D% p
  33.             catch (Exception ex)
    / q9 `/ X( V2 A0 A$ S( s5 T
  34.             { }
    , y1 f  _. S. c% i- Q, X4 u
  35.             return allHref;
    * S, \/ r( j+ t
  36.         }6 b, G  g& I& l  _8 `$ ]
  37.         #endregion
复制代码
/ }+ l& T8 g5 D; `2 z, G

9 n* O5 N( M8 b( q# Y
  1. ( g& B4 |4 j$ }- @
  2. 6 N9 v/ v% G0 R0 u( j# `
  3. . d& G! F* }' o" S; p0 A
  4. #region 数据去重4 ]' |# A% f. Q" t2 A- ~
  5.         /// <summary>9 }* V+ {% _+ }  K
  6.         /// List<string>去重
      T% b. @! K; N# m
  7.         /// </summary>) I, J9 g8 L6 ?2 s0 j+ l# Z
  8.         /// <param name="list"></param># p' _3 i1 n9 h
  9.         /// <returns></returns>
    # B& Y4 M" L& c  Q. _
  10.         public static List<string> getUnqueList(List<string> list)
    ' F* R- H- _9 I. _: W: x$ w
  11.         {
    , q! ^! H/ B$ j) ]+ \% V! l+ x5 m) \
  12.             List<string> list1 = new List<string>();1 o9 M+ I! u8 p
  13.             Hashtable hash = new Hashtable();
    * b" l* H( i8 }& F7 G, O# ^. Y
  14.             foreach (string s in list)" C4 V: j* m! T1 m1 l# `8 q
  15.             {
    5 r1 @5 l8 }$ h4 S4 L! a  P) R( I
  16.                 if (!hash.ContainsKey(s))
    / i/ l- a- }4 r1 f; Z- ^9 I+ X4 q
  17.                 {
    8 ?; |# S, I: I" I& l
  18.                     hash.Add(s, s);( T' h1 B, ?7 s: z7 G7 [/ x
  19.                     list1.Add(s);" j- x& J. q0 {" R+ G' j
  20.                 }1 o& d) W- }0 i" r! h/ S0 Q/ g" ]
  21.             }' I: M, n% L6 c$ t3 K
  22.             hash.Clear();% `+ }) f. U2 m
  23.             hash = null;, {3 D' g5 z6 I0 W' A
  24.             return list1;
    4 ~/ s5 A- l+ R
  25.         }9 r/ Z  p3 _8 s( o7 b+ f
  26.         #endregion
复制代码
' Q, K1 v; \$ T7 Q" x/ [
; p6 u9 P, n& o$ f- E. ]9 c. y

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

174

广告币

260

积分

初级会员

Rank: 2

积分
260
 楼主| 发表于 2016-2-26 16:20:16 | 显示全部楼层
, w5 k: E! i, d
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

1468

广告币

1811

积分

高级会员

Rank: 4

积分
1811

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% S9 x, z+ {; B# ~
十分感谢!!!非常感谢!!

; N+ a% ^+ A& }8 d3 |缺少一个gethtml,用下面这个:
! V5 e$ b$ U5 W) [; U$ 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 % s+ F0 ^5 A8 M! H
  2.         {
    : E! K5 |- ^7 d. y9 q+ s# V
  3.             string strWebData = "error";  B3 L1 f$ q* _
  4.             try3 |0 ~/ _+ o/ O4 @: F; \% {
  5.             {, q4 |9 L4 X0 S) J! {: d
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    " A5 V3 r' i0 R0 w0 V
  7.                 // 需要注意的:
    ( B& f+ x: f$ {
  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 ' u% S3 X0 p( M! p
  9.                 //这是就要具体问题具体分析比如在头部加入cookie , j# y- Q: w4 U' Z1 a3 }
  10.                 // webclient.Headers.Add("Cookie", cookie); - _+ u0 n  |+ y" G& m6 J
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    ! r+ `# n4 S0 m2 y. ^+ B/ d4 ]
  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)");% k$ I+ ?7 a5 T7 |9 ]
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    8 p& ^; A; a& w' R" o. `
  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。
    2 \  c9 N9 ]: W' O2 M
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;$ y, O* H/ t5 @) B- z2 F
  16.                 //如果服务器要验证用户名,密码 % {  U: c; k2 i2 C- m9 M: j
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); $ \( J8 J# I7 o0 r( k! g9 t% g3 w
  18.                 //myWebClient.Credentials = mycred;
    9 o3 l% _/ _. 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) . ]. V2 P6 i2 C* @2 Q* v
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);; d+ M% e! q' X; _' V
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    0 o' M7 {2 B* u6 w6 L1 a

  22. . d7 B% u; S6 N# |! Y$ k
  23.                 //获取网页字符编码描述信息 4 @. @) _$ s. c6 n7 f6 y/ y6 s
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);/ \% J6 `5 p  F9 _) a; u. t
  25.                 string webCharSet = charSetMatch.Groups[2].Value;$ p8 o- Z9 w; Y# O* h, r4 {
  26.                 if (charSet == null || charSet == "")
    . x0 G' i2 ]  p+ n' F/ ^' ]
  27.                     charSet = webCharSet;5 @2 Y' J+ R5 c% n
  28.                 if (charSet.Length > 0)
    0 b' g* ?+ I* L
  29.                 {& b5 ]" Q/ G. r# K
  30.                     charSet = charSet.Replace(""", "");5 |: a3 Y/ h0 }; }3 w# p$ z
  31.                 }
    & D. g( w  z0 d8 i; b$ j
  32.                 if (UseUTF8CharSet)& k+ _; n/ k1 a8 s+ }
  33.                 {
    ; Q7 T# ~6 T9 `; G3 S( \# r
  34.                     if (charSet == null || charSet.Length == 0)
    # z7 u, v: I7 F$ {
  35.                     {
    # l+ y  R) e( a8 Z4 y( G
  36.                         charSet = "utf-8";
    $ g3 z( H, ~( O5 I" X% P8 m) p+ s( _
  37.                     }+ B8 Q4 z1 R$ {
  38.                 }1 S3 Q2 z1 ^& H2 p
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)8 |- q  x1 x9 C7 j4 l- A* M$ K
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);' Z2 [9 W0 U" @7 H) \; y: w
  41. ' C$ r  X; Z7 r* \, |& \# D
  42.             }
    . T9 M/ Z+ b, M& l' B
  43.             catch (Exception)4 T# L# u1 U( M* d# L
  44.             {
    & h4 }* Y$ e8 ~0 S5 W
  45.                 strWebData = "error";
    " \+ u; {. b. _7 \! s$ j; k
  46.             }! I$ r' G$ ~* n/ ?9 ~

  47. : J% }9 p2 i: C9 Y. Z
  48.             return strWebData;
    ( l. h+ s- W5 X, j4 {" K
  49.         }
复制代码

" ^- D, y/ r8 C# R9 b+ {! L* J4 I. G. F9 k. P
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, 2025-7-19 08:02 , Processed in 0.052353 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