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: 9791|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
    ! l- F) p4 _8 o6 d3 g
  2.         public static List<string> GetAllHref(string url)  d+ K  {( v0 T8 n& c; V# e- t
  3.         {6 T* p# Z3 @( J  e4 g
  4.             List<string> allHref = new List<string>();
    1 @- A( W; o2 m4 \; Q1 J
  5.             try
    7 d1 t, n. R! e" w$ W! C) `6 `  v; g
  6.             {
    , ^, q. ?! ?* K
  7.                 string strhtml = soso.getHtml(url, "", true);+ I- s! b1 N" {
  8.                 if (strhtml != "error")! S" B: U- }6 K+ X* X3 C. t: Q
  9.                 {
    & ^$ `  S7 ]3 ^
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");, l; j& u" q) m; v! l
  11.                     MatchCollection mc = reg.Matches(strhtml);
    ; E: z3 W, L; M( g! [) h" Y
  12.                     foreach (Match m in mc)2 s% n6 \3 a  f2 y1 u  W3 ~- J/ H
  13.                     {
    5 g9 z$ O( G' `$ d, @  m8 J
  14.                         Uri uri = new Uri(url);$ J! {1 Z! B% U( D1 \
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);: \. @3 d) g: A/ {. N% o0 E* N
  16.                         string fullUrl = "";
      M+ U* ?0 x: F& D! Q( ?
  17.                         if (m.Groups["url"].Value.StartsWith("http")): A5 D; }  B7 y5 J2 H" @
  18.                         {
    ! k8 I1 o- q6 f7 O
  19.                             fullUrl = m.Groups["url"].Value;
    ) J! u& J4 q6 V. Q2 Q) t
  20.                         }! U* ?- [7 [6 B- S
  21.                         else) q1 y: X% @9 P- `1 r) @" O
  22.                         {! }/ M( V* V7 h# `3 S9 P
  23.                             fullUrl = thisUri.ToString();
    5 N$ |  X4 H+ H' ~# t& q( F; K
  24.                         }1 c' `$ K5 l1 B8 n5 q
  25.                         allHref.Add(fullUrl);' c3 T$ V7 Z8 g) }% z
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    * g  B! K9 \$ k9 N% v* |  c
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);: f( ~. Y* L9 u* I  Q
  28.                         //Console.WriteLine("补全链接:" + fullUrl);. C0 ?- Y8 ~5 E
  29.                         //Console.WriteLine("…………………………………………");
    4 R& T* o; K7 y: t% ?, g
  30.                     }. Q, r5 @) ?) f) j! x0 ?, h3 J
  31.                 }
    ! ]; P) f/ W  C) `3 i
  32.             }9 `3 W7 [* Y/ W) W7 A" v9 m
  33.             catch (Exception ex)
    ' }0 {, ]* y3 L3 Z, S
  34.             { }* ^8 K. c+ b5 O3 ^# ]: R/ n! `
  35.             return allHref;
    + D! z9 {6 J: z9 K1 `
  36.         }
    6 b0 I, }8 {: W7 e& }) V0 Y
  37.         #endregion
复制代码

/ B( w/ N! K( \" j0 c2 @8 p' C  G) _/ ~% t& E$ b# m
  1. ; C% r6 i& K+ i" a3 C$ }7 E
  2.   z- F; x+ ?: L% D6 v
  3. ; p7 L: w' g' B4 c
  4. #region 数据去重: }$ L. h) W1 r% y- p4 ^2 I
  5.         /// <summary>
    ) @8 d5 }( l  B& M) q
  6.         /// List<string>去重
    $ T' U# e4 T2 G" n) C
  7.         /// </summary>
    6 ?( m4 q7 L! |3 j# r% I
  8.         /// <param name="list"></param>" E; `( M' U6 b
  9.         /// <returns></returns>" j6 p' I! H6 K
  10.         public static List<string> getUnqueList(List<string> list)
    8 o. [" }/ B7 p' Z: f) i" y
  11.         {- x, l: G3 Q% M; A# U1 J
  12.             List<string> list1 = new List<string>();# f' I; ]. A6 V  n; o
  13.             Hashtable hash = new Hashtable();! u+ K/ D6 E5 t. r7 G
  14.             foreach (string s in list)8 ?; h% N  T( O0 p* T0 W7 q0 T
  15.             {
    / r$ s; e& h9 }& ]9 X* m" |
  16.                 if (!hash.ContainsKey(s))
    - Z3 x; I+ s% W8 \) J: E: g" j
  17.                 {# o1 Z9 Q1 Y" F/ F1 N8 i( U
  18.                     hash.Add(s, s);) n- |4 u& ~" D6 c0 a6 ^; Y
  19.                     list1.Add(s);
    / V$ v* [7 o; I; O4 U6 C4 e
  20.                 }& W  _# `, }% x
  21.             }
    * k2 |! y. j, ]; i
  22.             hash.Clear();
    ) ?1 y- j1 u9 U. ~! z
  23.             hash = null;
    / R5 O! V% j4 p  x: ]9 b) q) h
  24.             return list1;* N! j: Q# s8 a
  25.         }
    8 [" l; p( U+ @  }& o/ F+ |
  26.         #endregion
复制代码
$ L. O2 e* l$ @& o1 w- h# G

0 C. Y1 x7 Y8 ?) ^2 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

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
2 ?6 [0 j2 `" |4 J+ c# J- y+ A
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
& Z; D3 h8 C/ `" _8 Q1 o十分感谢!!!非常感谢!!

# E5 R' s$ t/ b缺少一个gethtml,用下面这个:5 u9 c8 p" z' ~3 r( f) e3 m5 O, D
  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
    ( E/ m. m' O* H( |; p
  2.         {* P) f4 n: @1 k# i# l# G
  3.             string strWebData = "error";
    4 K6 {! q5 @3 ?& R9 t8 }- X) z; _8 |
  4.             try# w$ W% D7 l# r. C9 P- x
  5.             {7 V) |' N2 J0 p, a% J
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient
    - b1 \( e. i. |8 \  \; W5 f9 ~$ e3 }
  7.                 // 需要注意的:
    4 L5 O4 i1 @+ z: O
  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
    0 \$ F+ `2 A2 G+ R) \* ?9 }: e" H# ~
  9.                 //这是就要具体问题具体分析比如在头部加入cookie ( d$ X4 k& z% b9 R
  10.                 // webclient.Headers.Add("Cookie", cookie); 8 n0 j+ G% z' {& A# T
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    2 i6 S8 C4 T; h/ S2 v
  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)");( o  m) n6 y$ s' e& Z) f9 ]
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    7 u7 z% R- y# [5 e
  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。
    ' k- v- T- ?; R7 L
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    6 V8 X9 ~8 S' p% ^+ t7 f9 l) k
  16.                 //如果服务器要验证用户名,密码 ( i$ W* r+ R2 g
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    9 }9 f+ B; \, J
  18.                 //myWebClient.Credentials = mycred; 9 c) J' J1 a1 x
  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) 4 v/ x9 B8 p  f* c5 y6 O/ L% `  b
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    & H# P* S$ o' |( o4 {) K
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);/ u* y: Q6 i0 C( j) V

  22. 9 w7 T' @9 e0 {: Q( Z
  23.                 //获取网页字符编码描述信息 & ~4 n6 ]' H% Z' x) ~
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ! t/ b% D' P8 |" D. D
  25.                 string webCharSet = charSetMatch.Groups[2].Value;. v4 P1 {& v6 n' H: ~
  26.                 if (charSet == null || charSet == "")5 E2 Q% \+ a0 k1 x+ m
  27.                     charSet = webCharSet;, L+ j' ?9 x* }0 N
  28.                 if (charSet.Length > 0)
    ; u& Z6 Q4 ?1 X; n' b$ e( }
  29.                 {
    7 a; I4 w5 A9 K. {
  30.                     charSet = charSet.Replace(""", "");" L+ f7 `/ _8 s- R) \) j
  31.                 }7 |' a" \5 A3 h0 o, z5 j5 Q4 C
  32.                 if (UseUTF8CharSet)
    4 Y  t. m4 |7 P) B* E$ M- n
  33.                 {
    # A; J% R; A) d) |
  34.                     if (charSet == null || charSet.Length == 0)' j& w  s6 f# A, x2 m
  35.                     {
    3 J5 P9 K. P) |/ e$ w* m1 M" h
  36.                         charSet = "utf-8";
    4 i& t7 _( ~! X
  37.                     }
    0 y& t3 R/ M7 u# l; c1 \' a" b
  38.                 }$ V$ V6 V9 w$ v: C3 F9 O' `
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    5 s8 K5 x; v( d- q( Q
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);4 P. v) ?' ?( y3 t/ G' ~

  41. 9 M& M* I3 E" T, W6 g5 |! b% W/ T
  42.             }
    5 [- I5 z5 T$ y% ?) J
  43.             catch (Exception)# b8 `8 H1 u5 M) P1 R
  44.             {9 H/ H1 u6 ~& s' Q' Z" [
  45.                 strWebData = "error";
    # w  a+ ]/ N( G6 o; I2 G0 |6 [
  46.             }
    & A; }0 |. ?" s0 x8 O4 \/ U8 {
  47. ; ]3 f! u' q; x4 w  U
  48.             return strWebData;' [# R2 X( [8 ]1 R
  49.         }
复制代码

3 L" i9 z9 F5 |; \4 X* H
2 A  T( B8 {. M# }3 _' G$ _2 _
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, 2026-2-27 13:03 , Processed in 0.050409 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