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: 9740|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2 A0 r/ H9 r; l0 C% z
  2.         public static List<string> GetAllHref(string url)( O0 Q0 k; ~5 G8 ~5 e$ A
  3.         {
    # n9 m2 e) E! ?+ j1 o& ]
  4.             List<string> allHref = new List<string>();* l* I! f, g$ f* s$ f) v8 I4 k
  5.             try- P$ y  j+ W. S3 s+ ]' b# O3 @
  6.             {1 g5 P; s' l- [
  7.                 string strhtml = soso.getHtml(url, "", true);
    4 _0 K; _% F  w
  8.                 if (strhtml != "error")# `* `6 u; R  K; {8 }& ?
  9.                 {
    $ d. j4 R' [. P$ p" h
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");' D# m9 X, R6 l+ U3 [+ H
  11.                     MatchCollection mc = reg.Matches(strhtml);/ c, ~/ b: N) C( k
  12.                     foreach (Match m in mc); b8 t" i# x" C* r
  13.                     {2 L# ^7 U8 m$ I8 i
  14.                         Uri uri = new Uri(url);
    $ b8 }/ o# r$ n0 ?4 \- C
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);3 Q* |! Q: H" g5 R5 G9 m
  16.                         string fullUrl = "";$ k+ a3 m" k3 u& k
  17.                         if (m.Groups["url"].Value.StartsWith("http"))  \5 A8 T6 P3 z5 p/ L  B, f
  18.                         {
    ! G, _4 T* \# c$ x$ d! B& \
  19.                             fullUrl = m.Groups["url"].Value;
    6 v7 r6 p9 F, X8 t2 U
  20.                         }3 v: N: h: U% f' k( e2 C% |
  21.                         else
    0 E+ ]) Q: P# ~  k. I. O) K
  22.                         {. K* J! ?0 p/ ]
  23.                             fullUrl = thisUri.ToString();' D+ S& n1 U+ t% c
  24.                         }) G# o- z( A% f. T2 O# z1 Q8 M
  25.                         allHref.Add(fullUrl);9 d: J9 I. G5 S4 I/ f( u  a/ q' d
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    5 z; t2 H) ?* [  M5 B1 I
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);
    ; |; W* X6 z/ h& p
  28.                         //Console.WriteLine("补全链接:" + fullUrl);" M7 t2 C9 \) W+ x! i3 b+ |: S
  29.                         //Console.WriteLine("…………………………………………");  }+ h# K4 A* D3 O7 Q" W
  30.                     }3 z/ G1 d/ Q: J4 b* W* g1 |2 v
  31.                 }
    , [5 p. ^  M% {4 }% Q; M* G7 X
  32.             }" A+ z+ I) V; C/ x5 C, k6 `9 A
  33.             catch (Exception ex). F) _2 E; {$ ~0 y" g+ l: ~
  34.             { }
    ' f+ y4 y$ h& t' Y! _+ l! J
  35.             return allHref;
    , K6 D. }" h* b
  36.         }
      N) t$ [& X( d+ M! |& f7 @1 Q9 G
  37.         #endregion
复制代码

- h/ m6 Z$ B7 U7 V. t. i0 h7 E( v' b5 m2 _! I  [; m% V* u

  1. ! P# s8 z- |0 S  }% ~5 d

  2. + y. d8 g9 n8 ?2 P

  3. 9 i. k. m: p9 Y: x. v3 f$ |
  4. #region 数据去重
    % r6 f; M+ C0 ?% @( X% m: x
  5.         /// <summary>) h$ l3 h* R7 j* R6 O$ e4 p
  6.         /// List<string>去重, X4 f) {  D( }& P4 S) M$ N( g
  7.         /// </summary>
    ) c) W# k$ U9 R7 n* J( l
  8.         /// <param name="list"></param>4 w; Q! F1 V/ r2 G! j% o
  9.         /// <returns></returns>% A. x; p% g7 n( m1 |( z+ a& q
  10.         public static List<string> getUnqueList(List<string> list)& f6 q) ~9 \( i2 c: h6 `
  11.         {# ]( q0 {. B7 f+ I* A
  12.             List<string> list1 = new List<string>();* L6 i" @' ^( ^6 q0 B; Y. Z) ~+ m
  13.             Hashtable hash = new Hashtable();
    0 l# u7 X& K4 W& r( y! w' C3 P
  14.             foreach (string s in list)- @; p5 u9 Q" B9 O+ V- M, Z
  15.             {
    3 l) H  N0 z$ I4 q8 o& S
  16.                 if (!hash.ContainsKey(s))5 s5 `8 C7 |* s6 T8 W0 z+ E4 b
  17.                 {. V1 K: Y8 U& n6 g4 d+ E3 L# n
  18.                     hash.Add(s, s);
    5 A6 P/ _% f7 B: v% M
  19.                     list1.Add(s);
    / v: f3 Y. M! @9 Y- F! I( A
  20.                 }
    ; O! J( }$ ~, y1 z) T7 [: l
  21.             }4 V6 j; {1 W$ {1 d% y- @
  22.             hash.Clear();
    * K) h) h# W; v% k, q# k" Y( X% z
  23.             hash = null;* Q5 o4 k& U. ]) n( ]! c
  24.             return list1;2 ^9 D* s6 G, C  X* L8 E- {2 W5 C
  25.         }
    ) v- L; L& v9 `- K  K4 f
  26.         #endregion
复制代码
, `* L3 d9 L: @" L1 ]

7 O* g0 v; K) W# n! o, A

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
0 o, @7 [) U7 J  X
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 16:202 j6 H  W9 J( C& P; z) ~
十分感谢!!!非常感谢!!
6 |( h: `& N' B3 s$ m, h
缺少一个gethtml,用下面这个:
. I$ b- N3 Z- ]1 W( ?! `
  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
    ) t/ @3 t/ a! c
  2.         {
    5 j* C. t& x: r+ Y5 G  h0 W* W
  3.             string strWebData = "error";) Y6 }. q; L: H* u0 n
  4.             try
    1 ~* E$ \- a% t
  5.             {
    , e! S1 a/ g" U. ^. z- z
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 0 W7 O7 P: J* m
  7.                 // 需要注意的: ; m7 P: F$ @* K3 r4 x5 g% 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 9 j' R; i5 Y) Z! H5 c/ i1 X+ A
  9.                 //这是就要具体问题具体分析比如在头部加入cookie 0 o0 s+ U: ?' U, B2 F6 j
  10.                 // webclient.Headers.Add("Cookie", cookie);
    8 D9 e8 f! C6 z8 o7 N# p
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    + I3 @- w% i/ v) }$ Q! t- 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)");
    ; J+ w0 e3 m$ y; C- a
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");3 F$ v: D0 C7 S# T; Q
  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。
    & L+ y2 N% f0 T$ e, a8 c
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    " {) u7 o; p1 ~$ t6 @! q. [
  16.                 //如果服务器要验证用户名,密码
    5 O# c. p! F& W8 ^7 d
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    $ v$ s  C# f- j2 c: {
  18.                 //myWebClient.Credentials = mycred; $ X% Y' `: ?, o7 L
  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)
    0 K, }. L' g# N. ^, F3 W6 M' Q5 ^
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);: d0 `+ r3 T! D# Z3 D7 |! K
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    ! W, a1 ~% I  ~* a
  22. 7 C; ~% N' F; C0 b+ x5 k
  23.                 //获取网页字符编码描述信息 2 a; i3 u. o* W5 Z7 R: A
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);2 j4 T& `, M& a; f
  25.                 string webCharSet = charSetMatch.Groups[2].Value;
    # u- w) @# a. t' m) q
  26.                 if (charSet == null || charSet == "")
    ) Z2 c1 T) V/ [4 w# T) A
  27.                     charSet = webCharSet;
    : E$ \8 A- L6 \; Y6 A
  28.                 if (charSet.Length > 0)
    2 y6 D7 Q# H0 i' I
  29.                 {
    ) F$ Z; A$ }; U
  30.                     charSet = charSet.Replace(""", "");
    6 Z9 v+ O: V$ V& q- i
  31.                 }6 |1 B3 ?8 e# ]/ L8 Z
  32.                 if (UseUTF8CharSet)
    2 D# U, {! s) ]# G3 ?
  33.                 {8 q' v1 k6 K! c* r: M+ S
  34.                     if (charSet == null || charSet.Length == 0): a# x6 c$ p4 D$ U. U1 f" O1 X' |
  35.                     {4 z6 P* I4 U9 ^: ]6 e( `5 u
  36.                         charSet = "utf-8";6 n1 S$ u* @" U. Q5 r
  37.                     }+ m" S$ z+ r$ K) U  U" q& `
  38.                 }
    . n7 b) q/ i3 I# E7 S
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)" w; x4 T  R% L, f" m
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    3 H- v4 {1 i( D& y- T+ n

  41. , U5 t' r+ N/ D! d- q/ P/ Z
  42.             }! x; b5 h  g5 b9 x
  43.             catch (Exception)
    3 a0 c. i' _! y, V& w
  44.             {
    6 a  w' W2 R1 t7 R" Y
  45.                 strWebData = "error";% ?/ {* j4 b4 t+ b
  46.             }' i& E: }# O& S/ n. d) z
  47. 6 J, W2 w, p% S* J9 t
  48.             return strWebData;
    3 G+ [* X& x: q0 ~
  49.         }
复制代码
$ e" t3 @  z/ h( M; U; m- Q6 q
# f, m8 _6 D; j7 d' \
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, 2026-2-13 07:56 , Processed in 0.052859 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