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: 9836|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4 b- u; j5 i  D& b8 Z$ u
  2.         public static List<string> GetAllHref(string url)
    . k% o! G% [* ]$ c$ J) e
  3.         {' |. R# L+ l( b2 ~6 y
  4.             List<string> allHref = new List<string>();
    % H5 O: Q1 Q7 i% z8 g
  5.             try; S8 V4 R$ o! g# j9 C9 ^8 L  \
  6.             {
    2 A$ N( F9 `' i: s
  7.                 string strhtml = soso.getHtml(url, "", true);
    0 b1 o- m  s; c' @3 F# w" ]* o
  8.                 if (strhtml != "error")9 F) \: S3 z( e: x4 y% j& f, F
  9.                 {
    & f" b0 R+ j# |) y6 r* }
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");# g) b; G9 r% G5 ^. m! W% Y
  11.                     MatchCollection mc = reg.Matches(strhtml);; d! _( ~6 t8 k) \
  12.                     foreach (Match m in mc)
    : F. B' M4 T3 L/ z; t3 a  ^
  13.                     {2 H$ ?8 k6 g% M; r$ K  K
  14.                         Uri uri = new Uri(url);; b( J/ h. h- J' }. N( a* K
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    . L6 s$ }  F% }) W% w
  16.                         string fullUrl = "";
    9 U/ U8 P2 l$ G' e
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    4 n& R& {- q: O
  18.                         {
    ( l# S; Z; F2 n
  19.                             fullUrl = m.Groups["url"].Value;
    ) z) I, {1 k3 o* g/ m  `
  20.                         }
    3 T: ~; l8 L% Q! ^3 n; `
  21.                         else
    7 I8 @: ^7 E2 G& |' k. c
  22.                         {
    - R6 I% b  j6 e
  23.                             fullUrl = thisUri.ToString();) s2 T  f1 s9 Q7 `7 _
  24.                         }5 n2 D8 i' D! i$ D- C
  25.                         allHref.Add(fullUrl);, ?% Y* D4 P4 W# b7 j; h
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    * y4 v( y0 J9 p/ y, v
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    ' u2 S5 }1 f( @* m2 w7 H
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    % h, ^; H2 w) Y- D
  29.                         //Console.WriteLine("…………………………………………");9 f# O" _: e# e
  30.                     }# Z1 E8 Q7 F' `, w" J+ z7 l0 g
  31.                 }
    9 }- p5 r) n$ O
  32.             }
    1 @0 _0 b) H5 @. j; v
  33.             catch (Exception ex)! U" j" G+ Q6 l4 K
  34.             { }
      D; j! w; v' M/ F
  35.             return allHref;
    . ?, F' L- ^8 ]- d
  36.         }
    0 |: f1 X2 @  y
  37.         #endregion
复制代码
$ @2 l$ o  k8 Z

  k' [. m& g3 C* A
  1. - t& w- s  ~1 C+ |: J: U

  2. / G) T9 Q/ t* E2 `; ^( i/ Y
  3. : S% v* [& ]6 l$ ?
  4. #region 数据去重
    + U* ~1 \* o+ J0 t7 J3 f8 R
  5.         /// <summary>* L- K* K8 m4 b
  6.         /// List<string>去重
    3 h; b- b7 I( z2 [# c" y
  7.         /// </summary>
    , E4 i9 O; O! k4 B* F
  8.         /// <param name="list"></param>7 e0 q% Y# y8 z, V% M
  9.         /// <returns></returns>
    7 S+ b/ E" A1 f8 ~
  10.         public static List<string> getUnqueList(List<string> list)
    + b& G# G5 N9 k9 M
  11.         {
    & `- e* K, ?  V" {2 H, k
  12.             List<string> list1 = new List<string>();
    " j1 [7 W% E  Z0 A3 ?: [
  13.             Hashtable hash = new Hashtable();
    # x% n- {* a& ]# W! U4 l  t5 @) `
  14.             foreach (string s in list)
    5 W5 f0 `* a! ?/ [# Z. i
  15.             {# t" U7 l/ ^+ ]1 H+ b
  16.                 if (!hash.ContainsKey(s)), X, h8 i3 {7 a$ H  |0 _6 Z
  17.                 {
    - b! b. |2 M" j7 Y5 r' ?: w
  18.                     hash.Add(s, s);
    6 P& n: Z! B9 N1 r) e+ }" ?
  19.                     list1.Add(s);
    + T: q) n, n6 T+ y* H
  20.                 }8 n0 Q9 m9 n$ ^
  21.             }! I5 b, r: }' [! R- {0 `& m
  22.             hash.Clear();2 r: y" G! z3 a, l( H/ V
  23.             hash = null;
    , d& |  L7 w2 v1 F
  24.             return list1;3 l; t" f. W2 G3 O4 R: G" C: N
  25.         }
    8 k, q; L* h9 w9 k! w3 B/ C
  26.         #endregion
复制代码

2 e# U' C5 F% g3 y' a$ ]/ N' R5 l4 P2 r8 K( m& M* \6 }" |/ B# f

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 n4 B4 Y+ `( [9 K& n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 16:209 R% W' D4 x4 J2 _3 B) `. s3 M
十分感谢!!!非常感谢!!
1 r3 U2 ^4 Z9 u1 P0 `
缺少一个gethtml,用下面这个:" X# Q* u! P  s) u$ s, }8 i
  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 J- D0 C* s8 {8 P1 q5 @, a) B) B" w
  2.         {
    7 ~8 C/ z" i6 _1 s2 z8 P1 K
  3.             string strWebData = "error";
    7 e# a- [, J+ ^: O4 F, @
  4.             try
    ; N6 }# s. B1 P9 o# m3 Q# d, c1 {, V
  5.             {
    " [: y5 [# ~& L- I
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 1 y' \  |9 D/ ?* K
  7.                 // 需要注意的:
    0 O" \& ^! b3 H+ q9 c, L8 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 , Z+ x' C" f2 e1 `, O/ _# C; i
  9.                 //这是就要具体问题具体分析比如在头部加入cookie $ y/ s. u' l. k  x# h+ N5 J
  10.                 // webclient.Headers.Add("Cookie", cookie); 4 ^1 P; r( m% x; M8 l. k
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    1 L0 G, P1 E, u: W7 E
  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)");
    ! h! y, q! n) V! m
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    # }* [4 Q6 [% s3 D
  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。
    ( U6 M. |: I/ o& R( M
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;. q! l  m/ R/ M2 G, P0 Q
  16.                 //如果服务器要验证用户名,密码   U8 U0 J3 Z1 D% C  G/ c
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); * }! ~. j6 Y; R% H: n* i4 b
  18.                 //myWebClient.Credentials = mycred; 1 O4 r# n- [+ o% N$ _' [" q- z2 q9 Q- m. f
  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)
    3 t; Y$ k) f( ]1 v" o. V3 j  P; o
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);( k# ?; \: n4 S- {
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);& y  P% F2 H: }# H

  22. 0 I& W( k0 N+ [0 J" f4 Z
  23.                 //获取网页字符编码描述信息 ( X, I. v- @3 J
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ! q! t4 C( G' ?
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
      d4 i3 Z$ {, C7 s  a" B' z  p
  26.                 if (charSet == null || charSet == "")
    * j  Y0 E6 `* R) }8 H9 R
  27.                     charSet = webCharSet;
    * \: @; T4 Z/ x; ]3 q
  28.                 if (charSet.Length > 0)4 k: j" s3 E8 I2 S2 G! ~
  29.                 {
    9 q9 c; b$ X- K
  30.                     charSet = charSet.Replace(""", "");2 [( ^: U. y6 J5 v! b1 Q
  31.                 }
      ?5 b4 d: f3 i$ j; [6 q
  32.                 if (UseUTF8CharSet)
    , R' \* K4 o7 c
  33.                 {0 ~6 W" |/ L7 A0 L; r7 `# v& K  S
  34.                     if (charSet == null || charSet.Length == 0)
    / L2 o  o2 I) {; ~* Q3 C
  35.                     {3 z7 V% ?" C  U5 X% E  g8 N
  36.                         charSet = "utf-8";
    $ l9 X- Y, U" L( }, X
  37.                     }
    " N6 K! c( S& v
  38.                 }# X/ j3 R1 @- ^: k3 n
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    " L, \! E# c% c( M+ ~
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);. T6 f; I! e) l. R8 x

  41. 9 a* _7 [5 R$ Z
  42.             }
    ( }0 I/ C  Y: o: B! D. ]
  43.             catch (Exception)- T. p; o$ a; g/ X$ j
  44.             {
      h; j% H1 x( ^* L) o8 V
  45.                 strWebData = "error";
    ; O) c5 I. l& i8 f6 r% g
  46.             }
    / E  @4 x# @& J
  47. 0 Y3 T1 R7 }% U7 A
  48.             return strWebData;
    5 u3 g3 z6 u3 n+ ~4 X
  49.         }
复制代码

# m1 H- T. Q% B9 `
0 N+ q! S% F: J2 _$ ?
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, 2026-3-8 00:11 , Processed in 0.060175 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