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: 9755|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
    ( t' t2 H+ `3 \9 h- W" A- V, {
  2.         public static List<string> GetAllHref(string url)6 V0 Z4 _- g  t1 S0 I' d
  3.         {8 [* ?" ?2 a. e  r. \8 R
  4.             List<string> allHref = new List<string>();; f* P/ F3 S7 S4 G8 k5 N% J
  5.             try
    8 o# c, Y. D. L# b* s; r8 f. O
  6.             {3 i0 v8 H% ?' e9 Z$ q: ]) q( W
  7.                 string strhtml = soso.getHtml(url, "", true);
    - }  @  a; {2 E5 h+ N/ F1 \9 y6 T
  8.                 if (strhtml != "error")& {, C* T, y8 Y" o
  9.                 {
    ) V8 M# A& k2 `( r
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");8 n( g# `5 B6 Q! G+ G) h' W
  11.                     MatchCollection mc = reg.Matches(strhtml);6 N/ w! a+ y3 h
  12.                     foreach (Match m in mc)/ ^/ k% m- W: U8 d8 q+ Z  p; @8 ^
  13.                     {
    1 C. f9 D7 t( L& J, X* i
  14.                         Uri uri = new Uri(url);! i% M( Q- J: A0 `5 u+ r+ B; {
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);+ M/ I% [4 e+ T1 D' X  L6 v
  16.                         string fullUrl = "";- R. S% u2 }2 D1 g
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    ! E' \; g3 ]7 c/ e
  18.                         {( E0 A4 ?9 L* S7 i1 h
  19.                             fullUrl = m.Groups["url"].Value;
    " N5 L1 M+ w/ f7 h% }
  20.                         }
    " q7 }9 E% ?" w5 e" A: L
  21.                         else$ e( B  B9 E( E# V$ j
  22.                         {+ g6 H  X( t! Z, [2 ~6 l
  23.                             fullUrl = thisUri.ToString();2 F& b$ r# I, ^
  24.                         }6 Z$ r/ k3 z6 n2 ~8 M- f2 C
  25.                         allHref.Add(fullUrl);
    2 y' D# c! C; m1 {+ s
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);* d5 F! Y+ g' r3 ~
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);( }" j& l- n* l8 @, R) ?
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    7 m5 D$ ^4 P4 U" v
  29.                         //Console.WriteLine("…………………………………………");
    * n: s1 `0 U2 z" E! }: X
  30.                     }4 c7 a1 x2 d7 o4 b& r( i1 N0 r1 M
  31.                 }3 z# q8 F) l0 _/ [: q, t# q! k
  32.             }
    ) h5 z8 s' x7 ?& D
  33.             catch (Exception ex)
    & L, S) d  R, V% o
  34.             { }: ?3 S  |, l' u6 V
  35.             return allHref;8 X& C2 q& u% u" X, ^* L
  36.         }
    6 [2 q3 ]; X. S1 H) z4 t
  37.         #endregion
复制代码

: U( s5 _0 C+ R# B  ^. \
. s7 R4 @+ y7 ], Q3 @2 u
  1. & o7 N1 l3 c7 s+ N' L2 f6 J
  2. - g9 o% [7 {  A! C: Z/ c
  3. , I) Z: r6 Q( J# x0 h! w
  4. #region 数据去重
    0 l8 |" q6 {  k* o0 ~/ w2 ?
  5.         /// <summary>
    0 K# G, r& L9 h* H
  6.         /// List<string>去重" n9 k: z" M  y9 }6 m1 u
  7.         /// </summary>
    , }% _" K: L3 |+ X( c$ Y& G
  8.         /// <param name="list"></param>
    5 D/ {) t" X* p( Q4 _; Y  h4 a- M
  9.         /// <returns></returns>
    , k1 y1 `- ?& d1 j2 ^* t
  10.         public static List<string> getUnqueList(List<string> list)
      n! c$ H, ~+ J! u# ~" b: n+ P
  11.         {. G) \; n6 p) V+ ~0 n2 R
  12.             List<string> list1 = new List<string>();9 ~5 W( v4 l) s0 h5 a% T! [$ c
  13.             Hashtable hash = new Hashtable();* `- b! Y4 J2 O% P1 s% e9 B
  14.             foreach (string s in list), ~! e$ j9 [* c$ S
  15.             {
    9 d& s. |) P( V  Z8 k
  16.                 if (!hash.ContainsKey(s))
    # A8 p' |2 U2 A" g% ?; o+ P
  17.                 {
    : D: V/ K- u9 M4 \( E- I
  18.                     hash.Add(s, s);
    ( S7 C* D4 p; S% t$ v* n  s
  19.                     list1.Add(s);" v+ _. r1 R0 v0 Y" z
  20.                 }  Z0 N, O1 `$ J
  21.             }
    4 x; G0 m/ x3 ?: t5 D6 a
  22.             hash.Clear();0 q+ Z  b& L7 A! {# U& U" T
  23.             hash = null;
    7 ?2 f* w- e' ^
  24.             return list1;0 ?6 s. I. r! q3 X, b( H/ N
  25.         }& v( F9 l+ @! p1 U
  26.         #endregion
复制代码
5 b# q4 o# s9 b, n, B3 G  y0 q
2 c3 V6 i  ?% y" D. 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
1 h4 @$ T  V5 D+ z( t' N6 m
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) z3 G! z' C" \* `
十分感谢!!!非常感谢!!

# Y) R+ F* ]: O2 O1 I0 o; j! V缺少一个gethtml,用下面这个:
6 n5 `( j, _* h0 K% V
  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 " a, @& `: |/ P/ ]( J' Y9 ?+ f5 l
  2.         {
    % i, K9 D- N& G0 B, l1 M' ?2 o" J
  3.             string strWebData = "error";- I" L# c' M) I4 {* m6 c& g/ w
  4.             try0 L" e, z$ g) F8 N& A
  5.             {7 q+ t, u0 A. S  O% M' s2 t5 c
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 4 z% ^+ A+ p# L5 B' p$ c
  7.                 // 需要注意的:
    3 ?7 v0 M8 y$ A0 @! H, S. d! ^
  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 $ o2 w0 _0 y; a1 v3 L9 r& K  E
  9.                 //这是就要具体问题具体分析比如在头部加入cookie $ a$ i8 g" b7 [) z9 |6 D
  10.                 // webclient.Headers.Add("Cookie", cookie);
    6 \4 e3 {6 y9 y, ^
  11.                 //这样可能需要一些重载方法。根据需要写就可以了) S. g5 ?0 v: N; n6 c! F
  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)");  D% J5 Q$ Q" O$ X0 Y( U5 d8 Z
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");& G! ?9 p8 b' l& l7 B( j/ l
  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。 / n& M2 Q1 y  O7 o$ N6 b8 P
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    5 S; d9 p7 `- r8 Z: w0 b: P
  16.                 //如果服务器要验证用户名,密码 ; ?! Z7 Y. E, Q
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    , J# N7 I6 K9 Q8 s3 c; M, @1 R( n
  18.                 //myWebClient.Credentials = mycred; # y; Q1 S: i5 r
  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)
    7 S4 S5 F! h# b' x( a
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    4 a/ c3 E$ z: f$ f0 J
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    8 a' B# b% O5 M( X7 ]% G

  22. % f& R# \, Z! D5 e+ L
  23.                 //获取网页字符编码描述信息
    * _& T& ?8 Y0 k5 s( e
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);# p1 E; |% @0 Y
  25.                 string webCharSet = charSetMatch.Groups[2].Value;& _6 y1 x6 f8 T1 V1 z
  26.                 if (charSet == null || charSet == "")
    ) q  d8 U6 t) V
  27.                     charSet = webCharSet;
    , K) n: y) K% S( p& o
  28.                 if (charSet.Length > 0)
    ! S! v, j0 f  _1 X  x# N
  29.                 {4 f+ T5 R! h, k) V5 S0 V1 R; ~
  30.                     charSet = charSet.Replace(""", "");
    $ D' K- n! m9 A  p+ l2 H; p
  31.                 }; T+ B' C% t9 |
  32.                 if (UseUTF8CharSet)
    0 B  C4 [7 F0 P
  33.                 {- O: d- b1 U7 [! {- a# X& {- u
  34.                     if (charSet == null || charSet.Length == 0)  p4 N4 p" F, C9 V* b  E( x
  35.                     {
    9 [2 d3 d( ^( V0 T
  36.                         charSet = "utf-8";) _0 W% `$ x6 e% |5 Y$ ~5 A: p1 ~
  37.                     }# ~9 m$ d3 J! \- E
  38.                 }
    + f) C( G9 k$ K% e2 }) H, y9 X
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    $ g% a$ T5 V) l! ^
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);: E2 k- v0 m* K. J' o0 l% {! P
  41. 2 y  T( Y/ q/ w0 |! f+ r; Y/ K& n
  42.             }. {( ]( T; o, [- G( W& V+ Q; Z" U
  43.             catch (Exception)* Q. k9 A1 Y6 L" b( ]( K+ `
  44.             {2 F& A5 |, `0 ^! t
  45.                 strWebData = "error";
    7 j- H; t" \) W7 n! p  z
  46.             }
    $ K1 L' @9 j3 N0 `
  47. ; ?' p. F- I0 I: v$ V% w
  48.             return strWebData;2 S1 B6 s& x4 u4 ~0 ?8 K
  49.         }
复制代码

2 ?1 u( {$ {( C% ~, p3 N$ F! o
7 `* I: U% r; a$ W# O$ [; J. z8 t
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, 2026-2-16 15:02 , Processed in 0.051107 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