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稳定代理/住宅IP/ADV50打五折 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
跨境债务催收/风险代理高权重Google老户[卖户+筛户等级] 海外斗篷【智能风控】,过审率95%+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: 9852|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( j! }' V: q7 ]
  2.         public static List<string> GetAllHref(string url)9 G. D4 X1 \6 A% P# A% A( a  n
  3.         {
      P/ X3 X1 p3 O% z) e' y: e5 v
  4.             List<string> allHref = new List<string>();
    7 K! R5 b8 g5 b) u. C
  5.             try
    # `2 g- d& @# Z: a0 T  }/ Z' n
  6.             {
    , Q( C/ u) m  A
  7.                 string strhtml = soso.getHtml(url, "", true);
    3 x1 q$ D$ c3 P3 _, |6 W
  8.                 if (strhtml != "error")' a. h# `# Q0 }7 m' k8 S
  9.                 {% X0 u* g: e8 I1 m7 j
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    $ t3 J5 j3 l# P& z2 A3 p
  11.                     MatchCollection mc = reg.Matches(strhtml);2 |; E3 g4 r3 Z3 r' y* C
  12.                     foreach (Match m in mc)
    ; Z* v0 [* D! P. |1 g8 S1 ?7 w
  13.                     {
    0 u! e! L* O3 X( Z) Y+ n8 N
  14.                         Uri uri = new Uri(url);. U- ^, G+ ^$ E0 u% h8 U
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    0 ~. z: f( I* z. a
  16.                         string fullUrl = "";
    ' r' ]3 Z0 v( B$ r
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    & F* s! T) X) d' t# X4 f( W
  18.                         {5 Z. C2 r! M: v( ]& V* D
  19.                             fullUrl = m.Groups["url"].Value;1 A, e6 u( ^6 {6 l4 N1 m9 R
  20.                         }8 |; J% X1 {! `, r
  21.                         else
    / w3 U9 e: ^. w- g% p" {2 K
  22.                         {
    # X$ ]# O$ |: I- ^
  23.                             fullUrl = thisUri.ToString();
    1 H- l$ }' c  z3 w
  24.                         }
    + M/ [) J4 }9 w" v$ S" r. P
  25.                         allHref.Add(fullUrl);& M# S+ `  X  r" S( s& [
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    ; I. L% K& L6 z  R( @
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
      K7 T1 r3 F" a0 P" q. k- ^- i! s- {* {
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    0 U' h7 Q# A, L! F8 I* L- V
  29.                         //Console.WriteLine("…………………………………………");
    4 j! F! _; O7 F; L0 f4 A
  30.                     }+ x% {0 [; T8 g: w8 c& Z* S
  31.                 }; ~# W2 }4 D9 \4 L/ D
  32.             }
    8 L" V$ y: E, x8 \
  33.             catch (Exception ex)' |: d8 J- p- u% T" U6 a  Y; C
  34.             { }
    ) \) L/ b% e  M+ s' {4 H& h
  35.             return allHref;- b  j5 h/ d" e, c
  36.         }
    4 O) X& P6 K0 m" \/ G3 ]6 J2 ^1 E+ ^# I
  37.         #endregion
复制代码
/ ]9 Q6 z: U# X1 E, q9 B1 m- b
" u$ ~6 p0 F0 N: Y0 q; Z2 V9 d2 }

  1. % s( U5 y7 a  {  e8 _. w& n* V5 u; o/ R

  2. ; }* ^; s. \; y7 [

  3. : q6 Y$ ~6 C4 A
  4. #region 数据去重' _- n% p; S( c) d% K
  5.         /// <summary>
    & n3 H: m% o8 o+ i- z- v8 h
  6.         /// List<string>去重
    * h* c- D. K0 b# x2 M4 j1 [
  7.         /// </summary>
    * t3 \1 o$ J, B' G( e3 y. V
  8.         /// <param name="list"></param>
    - {- [  X; w6 y
  9.         /// <returns></returns>
    9 q5 |+ v/ C% z: u- ~
  10.         public static List<string> getUnqueList(List<string> list)
    ; b+ _1 R' L; c# s
  11.         {
    / l* s6 Q7 L6 O1 |
  12.             List<string> list1 = new List<string>();" B7 q. a+ o0 q9 o; u
  13.             Hashtable hash = new Hashtable();7 J& _9 Y3 f) U( L7 N- E; K
  14.             foreach (string s in list)$ A* J% J* p: A( H$ U# g/ R6 z" i
  15.             {
    ) g4 G+ x+ Z* N
  16.                 if (!hash.ContainsKey(s))* c$ {) ?+ J6 L. y- ]. s. q
  17.                 {
    - P0 y- n2 ?, d( Q& F
  18.                     hash.Add(s, s);: E9 J6 X% Y8 F0 }7 ?; `/ L
  19.                     list1.Add(s);+ `% I& z; u: h; A$ `! d' }0 Y
  20.                 }
    9 E. b% t0 y/ u, d9 Y
  21.             }
    ) k) O# U  m: ]  z. p
  22.             hash.Clear();1 b+ Q6 g! y! u! m
  23.             hash = null;
    9 v# F  [% X7 `  m  x$ N
  24.             return list1;
    ; \; K3 p" y) _) `
  25.         }
    . r- {) t) }& x3 [. D' K1 F
  26.         #endregion
复制代码
4 K' o% l- H' Q$ D; n' }, z
7 F4 ]" M0 i* i$ b- C8 v  v  M0 J; m

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 E. ~7 R' }6 X. L5 H* T. j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
- H' {' l0 j/ c7 Y9 r" ?十分感谢!!!非常感谢!!
& C+ H* y# {. Y; Q% j6 N
缺少一个gethtml,用下面这个:: l* h1 j) s! H* \. a2 W* |4 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
    ( j9 B7 o+ q/ g6 `! ?- P7 a+ W/ @
  2.         {
    8 h. y9 \$ z& g
  3.             string strWebData = "error";
    5 R% {4 |$ y" p. z
  4.             try; i2 z! w2 i, ~% H) G0 |! ~, j
  5.             {+ A2 M2 G5 A% t! g5 K7 Q2 Z
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient * r7 y9 D' _0 a! W. h/ p2 z% A! [
  7.                 // 需要注意的:
    8 n6 _& `5 ?: C  M4 K: M+ Q
  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
    - t" d# {9 l6 A8 Y, U5 E
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    , x9 O8 S: p& l. g  T# n5 J3 Y
  10.                 // webclient.Headers.Add("Cookie", cookie);
    + M, k2 G9 m; F1 p1 v( v- M
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    # j* B( f1 d1 _  T/ O& 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)");
    ( b. y1 F! @% z0 D  l& b1 b) [, p8 p
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    5 U, W* R+ d0 _  ?; M$ H
  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。
    ! Q# Q. u8 K; @
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;  @# Y  j% {& X8 T! s% ], `
  16.                 //如果服务器要验证用户名,密码 ; F. A. ]& Q/ X* p: m8 _% y) L% q
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    8 w, X0 ?* q' f) o5 X% y
  18.                 //myWebClient.Credentials = mycred; ( C( j4 R: d% O  i, {1 b
  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)
    ' {8 L7 d0 {; Y& _" O
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);! m* T' z6 d1 ?
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);/ k: N- R& x2 Q2 i

  22. ) @! U$ G5 G$ Z( n/ x& x0 \% d
  23.                 //获取网页字符编码描述信息
    " i5 ^( T- ^3 r/ ~3 a- ?
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    ! ~( `' \4 W* b/ F/ n* K1 X
  25.                 string webCharSet = charSetMatch.Groups[2].Value;" u' C/ R& B( U; O' C4 p4 F) V- f+ p
  26.                 if (charSet == null || charSet == "")& _9 b- N5 v! ~  G- x
  27.                     charSet = webCharSet;
    * `" J" r; G% z9 ?
  28.                 if (charSet.Length > 0)
    + ?+ s2 u8 Z  U  B$ K
  29.                 {
    8 v; O3 N/ a  F; O/ \4 ~
  30.                     charSet = charSet.Replace(""", "");
    ! C9 X4 W5 r( K! b
  31.                 }1 V' E2 E3 L+ _
  32.                 if (UseUTF8CharSet)5 V# G. c) o0 z: V. Y- b; m
  33.                 {
    3 s5 N6 Z9 F% B, n+ }6 C
  34.                     if (charSet == null || charSet.Length == 0)4 m6 D! H! X7 |- Z* \$ x
  35.                     {& K% Q* w3 Z5 m; j9 V% w
  36.                         charSet = "utf-8";
    ( Y  n9 E1 T+ f/ m3 t: y0 _
  37.                     }
    3 m1 T9 ~. J  D9 R
  38.                 }
    ; B( ?# ~7 y7 P
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)0 T2 ?9 u- p: X. E: }+ ]2 S7 S  K
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    9 d: d( h% j: Y9 q6 T

  41. / m! o/ B, M* K( X2 h7 ?
  42.             }& ~0 [  d7 o; B2 E- w+ i6 O
  43.             catch (Exception)0 Y( D/ ^" w" A& }: p
  44.             {: N$ [' s! S8 g
  45.                 strWebData = "error";
    0 G0 r/ d2 t. @1 ^$ T: ?9 D8 m
  46.             }6 S4 T" P3 q4 U7 F5 [/ X
  47. ) s8 d# W6 M0 R" e) L; J1 m+ r
  48.             return strWebData;! l5 I9 V5 e3 x4 Y) v, g  _; W
  49.         }
复制代码
+ {+ H) s: K5 M+ c' ?" @% c5 p/ y

  O: s1 Y1 V5 A; ^8 w! A7 e7 ]; y( [
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, 2026-3-11 00:10 , Processed in 0.053732 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