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⚡️
⚡️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Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)
FB 三不限源头 - 自助下户充值转款各种主页、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
FB海外户、GG老户、TK加白老户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GG,FB,TK, 欧美源头, 欢迎合作❤️
跨境债务催收/风险代理DataImpulse⚡️纯净住宅代理仅 $1FB企业户海外户,授信户,TK加白户广告位出租
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: 9963|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
    1 q: N2 \: c' Y/ L* d' I3 d7 d  I
  2.         public static List<string> GetAllHref(string url)
    - h) A6 ]$ B( U$ I$ s
  3.         {4 T% E8 c0 s% X; P: g
  4.             List<string> allHref = new List<string>();
    - z! ?4 e7 i) k: T! ?
  5.             try
    ' p" u; X5 g) O% W0 t
  6.             {
    : l1 L0 f9 W% Y) I" ]: @" w; X( l& N
  7.                 string strhtml = soso.getHtml(url, "", true);
    % d" ~- y# {) N5 x0 s( ?4 A
  8.                 if (strhtml != "error"): h* C( S' U% T3 B" P
  9.                 {" Q* K7 q8 r( s: S; }
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    ! A1 F: j( P; e8 O( Y% ^* ~
  11.                     MatchCollection mc = reg.Matches(strhtml);# W! T7 s* U# e& R
  12.                     foreach (Match m in mc)
    " g* M' z/ S' \5 u6 l8 _
  13.                     {) g9 Y8 {$ Q' R! Z% S. b
  14.                         Uri uri = new Uri(url);
    3 x% Y$ C7 U! R# z0 E& t
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);; D6 w. s9 `& |8 C9 o
  16.                         string fullUrl = "";0 N% a% @. a4 D* P
  17.                         if (m.Groups["url"].Value.StartsWith("http"))" _5 o/ P3 s& P, B
  18.                         {4 Y2 `- v9 g% ?8 a6 S! d
  19.                             fullUrl = m.Groups["url"].Value;2 i# q. i/ K0 B, `
  20.                         }
    . S. I* B  q0 p+ B
  21.                         else
    5 A  X: q$ V! j% N7 q
  22.                         {
    8 Z' ?" O; R" G9 O) o3 I! D  Y
  23.                             fullUrl = thisUri.ToString();# {; Y/ [3 f2 E5 B
  24.                         }7 o( G1 v, q- u1 @1 d
  25.                         allHref.Add(fullUrl);
    4 B4 ~# m4 X/ [; P1 s; A
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    5 G& V/ {1 u/ Q5 ]# N& y* c
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    ( L( r# H3 y/ b6 i; H
  28.                         //Console.WriteLine("补全链接:" + fullUrl);
    8 E& S( @' q7 U
  29.                         //Console.WriteLine("…………………………………………");
    . Z) w9 h/ s* }
  30.                     }" s) `9 E/ l- x6 z( ^2 v
  31.                 }: S/ }. J! p5 x; t8 i
  32.             }
    9 h2 V, t+ T  u% x: E
  33.             catch (Exception ex)
    0 ~' J) i8 g5 j+ n
  34.             { }
    $ Z; ?# i( Q, m
  35.             return allHref;2 m# T8 K7 B) ^# d
  36.         }! V+ N7 G: b% ?+ {+ J. ^
  37.         #endregion
复制代码
3 `, V" t3 g# c
4 d/ V+ {  A$ I- [3 q1 o, \
  1. 6 Z6 N, X! G3 U* R& G: u

  2. # E+ `7 S6 T# @* H) Z  p# R
  3. ' S& _/ b' J' O! \6 K# Q  H& [
  4. #region 数据去重7 W- S9 e' o. A0 s3 m* ]
  5.         /// <summary>
    : Q4 u3 P4 b) q
  6.         /// List<string>去重0 A  j' s8 Z" O
  7.         /// </summary>
    : z5 t1 n# h. w. o
  8.         /// <param name="list"></param>
    : Z8 U  q4 L& Y/ k" J1 i* R/ ^
  9.         /// <returns></returns>
    8 f; ?& M3 d) \' z5 S: ]7 g
  10.         public static List<string> getUnqueList(List<string> list)( U! F& l1 S. S* ]3 d: W& N
  11.         {" t8 b# Y- a; ^: a2 `# R7 z+ S
  12.             List<string> list1 = new List<string>();6 V; Z! G% c+ E5 }# u% A3 G; {
  13.             Hashtable hash = new Hashtable();
    0 X/ C  _( e9 j) a
  14.             foreach (string s in list)7 M* Q( r3 `7 g" H
  15.             {% |0 Z$ V6 w7 M# p) T: r+ o/ L
  16.                 if (!hash.ContainsKey(s))
    + s- e, B1 A& B6 |5 q5 y# H! V
  17.                 {7 h7 c, y) j, d& Z8 `3 `
  18.                     hash.Add(s, s);
    6 j. ?, M5 A/ Z3 }" b% P1 C8 I
  19.                     list1.Add(s);
    ; ?5 t: u- R$ d5 r9 M
  20.                 }
    3 Y% X; u, l# |7 |( f
  21.             }: s1 d2 s, j2 k$ H
  22.             hash.Clear();
    , p, ?2 y7 z0 t! w. R* }( z( w) p1 }# U
  23.             hash = null;2 W# o7 r- o+ a% q# S
  24.             return list1;0 ]' z5 ^2 ]3 S4 |% c
  25.         }. {) O0 `$ r; @1 |; }
  26.         #endregion
复制代码
( u7 X! D# D8 u" |

3 W# @6 u0 ^0 Q( Z3 ]- P

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 ^# G' }- k- r" {4 C2 V+ V
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
, X4 a0 o# B) o4 Q$ N# F十分感谢!!!非常感谢!!

  A/ |: m# S7 W8 Z: J缺少一个gethtml,用下面这个:1 o2 _: P/ h5 m+ \# J0 W2 F+ |/ X
  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 5 K( F  A* G0 H, A* f4 r: n
  2.         {' `: b6 _, I3 P. G; Q% \) I7 C9 n
  3.             string strWebData = "error";- ^. {; ^9 {( k  k8 j  u2 \
  4.             try) E5 t2 a4 N9 L9 \+ V( n
  5.             {
    1 j, y- W: }  b3 O
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient " L& J3 l8 q+ f; X, F! [* c, j) ^0 w7 o. Y
  7.                 // 需要注意的: 1 @4 V! c% ]0 F/ I. u" n$ _8 i1 H8 g
  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 4 R1 e: P: A7 t5 U
  9.                 //这是就要具体问题具体分析比如在头部加入cookie
    8 V! S6 L8 J% o6 x
  10.                 // webclient.Headers.Add("Cookie", cookie); / u  D8 D, j2 Y5 z* n5 [
  11.                 //这样可能需要一些重载方法。根据需要写就可以了. L( D! p- V! |  ]  u
  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, _8 q- o$ x" k5 g
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");
    ! {5 U0 _% y1 o0 u- s" ?
  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。 1 [9 D1 r0 l. v: _# x
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    ! i4 N9 o- Q/ T+ e% I
  16.                 //如果服务器要验证用户名,密码 : i7 Z6 L, K; t8 ~
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    & u9 _" r$ Y/ k: _* t. l6 o
  18.                 //myWebClient.Credentials = mycred;
    ' K; E0 d9 M4 A# Y( f% r! n
  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) + }; S, B: L0 K0 _5 E: T! E
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);
    1 `1 G+ g) O) m' Z8 E% T+ U% O8 n, v
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);4 O0 ~9 d9 a& X3 R" D' D
  22. . @1 w, Q  U. |9 [) s3 B
  23.                 //获取网页字符编码描述信息 ' u6 v7 ]) ?/ S# W% F2 R% `% ]& g$ Z
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);. e4 w; [4 P. X  o" R
  25.                 string webCharSet = charSetMatch.Groups[2].Value;* K( m3 {. b; q! e$ N
  26.                 if (charSet == null || charSet == "")
    2 ~7 E# I$ E, `4 E
  27.                     charSet = webCharSet;
    ( M3 b" t$ r& ~# J7 D
  28.                 if (charSet.Length > 0)
    $ L  _1 F' g: V- n3 W0 g( v
  29.                 {1 B% Q& h# H1 N
  30.                     charSet = charSet.Replace(""", "");: @2 m) ~3 N& {" E$ m$ |
  31.                 }
    & F2 ]& [0 t3 H& U8 y+ d
  32.                 if (UseUTF8CharSet)( u1 y# Y* k4 G4 P+ F
  33.                 {
    : t( g3 f$ G5 W+ ?- \
  34.                     if (charSet == null || charSet.Length == 0); p2 t' i% Q' t
  35.                     {
    : r% x: s6 M8 j% T
  36.                         charSet = "utf-8";% ~7 X, v# }; o; {! ?0 U
  37.                     }) z; L/ H9 C6 T: a& [
  38.                 }
    ) j# n4 r9 x" b  O( D$ p' k; T3 r
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    % T& J+ `  G1 p  q
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    : ~& y( N7 {4 g

  41. / a4 _$ _. h* L% h# f% e
  42.             }3 V2 q4 l' k% \& K1 X5 c
  43.             catch (Exception)
    5 S9 `# e7 e5 v) ^
  44.             {, @! Q8 Z" {- [- f) j% n- h; ~$ l- f
  45.                 strWebData = "error";
    2 U8 _" D6 D: E
  46.             }
    ( x" H2 S, O# L3 ]' T. e/ I% I
  47. / Q1 U1 Y2 I) z  T! _" S
  48.             return strWebData;
    9 j" O! |9 P  {( ~! l
  49.         }
复制代码

& ?" h" [1 s& Y8 U% q6 C8 x9 [5 a. ~7 n. z  Q& W
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, 2026-4-15 16:50 , Processed in 0.054463 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