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: 9833|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5 c% J$ v, v! T% R& h/ u
  2.         public static List<string> GetAllHref(string url)4 O8 ?/ |$ M/ w7 C8 {2 }
  3.         {
    ( W1 ~) K# Y* F. `
  4.             List<string> allHref = new List<string>();( n; |- x  Y! a5 j& T
  5.             try
    8 r+ V& `6 y3 m! i" T, b
  6.             {
    ! Q, }/ O2 j. m8 G: M' P
  7.                 string strhtml = soso.getHtml(url, "", true);( M) i! R! H: h; N7 P$ L
  8.                 if (strhtml != "error")! p/ ~; z  s$ g9 J) d
  9.                 {
    ( ^0 _6 Z& v) ?
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");4 u5 ?8 I" o0 f; K
  11.                     MatchCollection mc = reg.Matches(strhtml);' H- P, z+ w+ r$ a
  12.                     foreach (Match m in mc)/ `- }. V. I( i6 a" }- U
  13.                     {
    0 `6 s8 I2 ^5 C( t  W8 j# y! L
  14.                         Uri uri = new Uri(url);1 C0 A( f* {- t; [; {
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
    : _. ~5 I+ B  @0 p+ |  N; U
  16.                         string fullUrl = "";
    ; z1 p9 `' x5 h
  17.                         if (m.Groups["url"].Value.StartsWith("http"))* a" p9 \" L2 L; O$ J
  18.                         {
    7 f! ~6 V" F* c) w" P# A5 Y4 K
  19.                             fullUrl = m.Groups["url"].Value;
    % n3 h2 C. O# G# M7 h
  20.                         }
    & A6 a( ?4 O# I8 i$ z3 S
  21.                         else
    % e  I6 F7 ?. w1 ?8 x# j
  22.                         {5 Y: T0 K2 t3 ^, O0 N  b
  23.                             fullUrl = thisUri.ToString();9 {3 \/ l2 s+ V1 Q- ]( W& K3 I
  24.                         }
    % \# r- z5 z8 L9 p9 Z
  25.                         allHref.Add(fullUrl);
    ( F. V: n& r2 J/ O- l0 w
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);+ I/ k% S2 Q6 a6 A
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);# ?& o7 t( M1 e0 V+ P9 j1 p
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    + @1 Q4 v7 T4 ^2 \( ?7 p
  29.                         //Console.WriteLine("…………………………………………");
    . K* n* \9 u4 ]) P# }/ w/ P
  30.                     }; r4 J3 F, i# J  {
  31.                 }; Z: S- h, ^. S
  32.             }' Z+ J- ?' c; d7 k) [
  33.             catch (Exception ex)
      Q' I  j  N% V& N
  34.             { }) u$ l+ F/ {+ k
  35.             return allHref;4 S% F4 D7 D* E; c+ U, G
  36.         }# u1 y9 K6 E5 ]6 c- k
  37.         #endregion
复制代码
$ a: \4 M1 B) |, v0 h% |9 Z- R

* v; u/ w  L( L7 B  H; T& g

  1. 3 t: `; P! K: {1 q* \2 r
  2. 7 ^6 o8 S2 _" C3 z
  3. 6 b  e: i5 ^' z
  4. #region 数据去重
    2 U& i, t  g+ W) ^- g
  5.         /// <summary>) Y  C1 |2 r; n  \) f# {  g
  6.         /// List<string>去重
    " T/ f! t& s; i' F" A- [
  7.         /// </summary>
    / s) l' Z/ ]7 z3 @8 Q% w
  8.         /// <param name="list"></param>
    + W3 c5 G  P4 {
  9.         /// <returns></returns>
    % Z* ]6 d, S4 d! J
  10.         public static List<string> getUnqueList(List<string> list)
    - P$ O3 [6 q" Y8 Z: V1 Z
  11.         {
    1 p2 A& b/ n$ Z8 |; x# h
  12.             List<string> list1 = new List<string>();! G) Q; @8 Z/ G0 A! z
  13.             Hashtable hash = new Hashtable();
    " i  }. A3 A% o6 O2 C
  14.             foreach (string s in list)
    ) N  p4 l! t- g' d$ \6 V% j
  15.             {
      q# ]. m7 v8 ~9 a) z5 r
  16.                 if (!hash.ContainsKey(s)): ^& C# `! r' i9 n3 |0 u, W
  17.                 {
    & i7 k0 M3 C. R7 U: B% U
  18.                     hash.Add(s, s);
      x( x! i: o! D$ Q! B
  19.                     list1.Add(s);
    9 M' g. U8 T$ I+ i; F4 i/ a. G% O
  20.                 }
    * x* I) p1 U, b* f: v7 [  w. m6 d8 d
  21.             }) S3 k' U" p6 W! u: E% R' h" k4 K
  22.             hash.Clear();4 Y+ z7 n( C) k( h0 t
  23.             hash = null;
    * h. S: I. t" Y# n& G" @
  24.             return list1;+ T8 d' v- x6 ]9 l& C
  25.         }
    2 i3 {. L+ k% M# {  K; Z1 K" Q- f9 f
  26.         #endregion
复制代码
8 v" O$ o1 V, Y1 x2 T3 {( P) P! |& W
4 p' t* j8 f( p1 v1 B# @; Q

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

& b" r& ~7 u+ {" B0 H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" `0 N1 k5 \& u/ e" N/ P0 e. v( m
十分感谢!!!非常感谢!!

$ B8 h5 y$ L$ U6 t. p' i# S缺少一个gethtml,用下面这个:
7 }& z1 K1 k$ B( j% m
  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
    6 K, I$ T# I& k5 n
  2.         {9 n1 m/ S3 T7 j& D/ K) ]
  3.             string strWebData = "error";8 G4 h& D$ l* |% q& [! _+ J
  4.             try% T. z& D. [. K, ?4 [1 i; N
  5.             {4 m2 }0 P0 c8 D/ Y
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 2 b- \0 X- @( z$ Y
  7.                 // 需要注意的:
    1 F, d" k7 |$ \7 ^* c0 w
  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
    + w4 N1 r# d, O* m, y2 Q
  9.                 //这是就要具体问题具体分析比如在头部加入cookie - W! z, @4 C7 O+ l4 e& a
  10.                 // webclient.Headers.Add("Cookie", cookie); - j; ?+ f$ L1 f# m' Q
  11.                 //这样可能需要一些重载方法。根据需要写就可以了! j1 h: P/ J0 Q: c  H
  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)");
    3 r0 i, I( @5 }! q, E7 R
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    ( n  C5 X- ^' U; K$ 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。   ^/ Q) p+ d. L
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    9 Y/ G/ h/ N, c' q8 A
  16.                 //如果服务器要验证用户名,密码 0 x  I6 [: r. L9 C
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword); 8 W& o- M4 T2 c% `4 |. h% y2 [
  18.                 //myWebClient.Credentials = mycred; " G3 d7 }1 w4 `# U* D( j
  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) : m* o+ ]& |2 L" N* M; S7 @
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
      Z0 |* x+ u2 n. v  U
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);: I  g# e. k- a- y7 O/ R7 Y& C+ B! t1 a
  22. , P: C9 n7 q$ }. `3 \; ]
  23.                 //获取网页字符编码描述信息
    2 {% P' f. K$ I8 c* j( o
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    : d( r6 o. U) I) }9 i3 A, Q
  25.                 string webCharSet = charSetMatch.Groups[2].Value;0 w# e, N% l* u2 m# g7 u
  26.                 if (charSet == null || charSet == "")
    / N- q* K7 T( r$ r
  27.                     charSet = webCharSet;$ ~+ L9 B+ R/ ]. K  ~/ z
  28.                 if (charSet.Length > 0)
    8 Z& l+ c" }% q# J% N5 s
  29.                 {
    8 W5 R" C* U2 l  ]7 t. r- _, V
  30.                     charSet = charSet.Replace(""", "");
    & h/ w) ?. s/ E
  31.                 }# ?& b2 ?. D5 a" @6 H
  32.                 if (UseUTF8CharSet)
    & h2 Z, s8 Y8 S: O0 f1 ~6 n& D8 q
  33.                 {' m) c+ |+ G7 h% f
  34.                     if (charSet == null || charSet.Length == 0)
    + g9 ~1 k4 y6 d' v/ P7 u
  35.                     {
    : w7 R; B8 D8 a4 a
  36.                         charSet = "utf-8";
    3 i2 H/ p; S# c) _  b, H' m
  37.                     }
    * r' L) @- g1 p( y
  38.                 }2 y4 i- p  j) `) g) c
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    5 \* l( z  D3 W& F
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    % J) h$ z! O/ ~1 n

  41. & w$ C( l# s8 G9 F) z
  42.             }
    + Y' m8 b& U; R1 P
  43.             catch (Exception)
    # L7 O6 S8 p! k. E
  44.             {( J/ z% X* _* t8 Y, q" d
  45.                 strWebData = "error";5 w4 l8 `+ s; g
  46.             }( Y# D7 \0 K/ L
  47. ( Y5 N( t, ~1 g, n
  48.             return strWebData;
    : }( w. K4 \  K5 s! A% x
  49.         }
复制代码
/ k. t- h) w2 m/ _" k3 z! e. |8 F

0 u; K, d7 J) G% \
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, 2026-3-7 09:20 , Processed in 0.053614 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