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: 9979|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
    ; R: l" t/ {, ^
  2.         public static List<string> GetAllHref(string url)
    . D( B  R+ T: m
  3.         {/ R+ Y" a) F) G! y+ S  ]
  4.             List<string> allHref = new List<string>();; a& X+ @0 Q8 n
  5.             try7 c% p8 w5 V% e& g
  6.             {
    # y! c% B; z: V
  7.                 string strhtml = soso.getHtml(url, "", true);  ~7 A" _) L3 ~/ |1 Q0 I7 m9 g2 u7 N
  8.                 if (strhtml != "error")5 A- U- s) T6 ]  M# D
  9.                 {. u+ H6 U  y! x
  10.                     Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
    * y& p- U" v: \' K
  11.                     MatchCollection mc = reg.Matches(strhtml);- w- \% q$ t" F7 [9 q% u; O! o
  12.                     foreach (Match m in mc)
    : ]- i' W! L6 Y# p; e: {0 d3 X' _
  13.                     {& y  O/ H8 Y' _) U3 z" B
  14.                         Uri uri = new Uri(url);6 A4 \7 d/ o: p2 m; b1 C
  15.                         Uri thisUri = new Uri(uri, m.Groups["url"].Value);
      _) x. a3 }0 u# o
  16.                         string fullUrl = "";
    7 O# M, u& S6 y9 N: j1 Y7 B% T5 B
  17.                         if (m.Groups["url"].Value.StartsWith("http"))
    ! [. I8 \( c9 A) l# N
  18.                         {6 m, O3 b+ d0 F8 q# L4 `
  19.                             fullUrl = m.Groups["url"].Value;! s; ]1 n1 Q  P# a- U' T+ k
  20.                         }& j- I/ j% L/ L& U7 t
  21.                         else0 S0 A3 j, X+ x0 L1 P" |: W% e
  22.                         {8 U* P/ H$ @3 c+ j) D9 V7 K/ D) }
  23.                             fullUrl = thisUri.ToString();
    # q5 z3 S& O: w: W
  24.                         }9 S: ?* k% q/ a
  25.                         allHref.Add(fullUrl);
    * S# Y/ G7 f4 V( e) u1 x( f
  26.                         //Console.WriteLine("原链接:" + m.Groups["url"].Value);
    3 \. j2 ^$ w( f/ W5 R
  27.                         //Console.WriteLine("文本标记:" + m.Groups["text"].Value);5 o* O9 a3 T2 q& {  j; X& a
  28.                         //Console.WriteLine("补全链接:" + fullUrl);4 Q( h) L# ^& s! G1 C/ T# |& n9 @
  29.                         //Console.WriteLine("…………………………………………");
    ' Z/ s# u: y7 H
  30.                     }+ E, C- i1 \6 M3 d* }
  31.                 }
    * z5 ]2 N7 R: O! `& H# e8 E
  32.             }: ]. R# n4 Q) K+ z2 y; h6 \
  33.             catch (Exception ex)6 q* r, l5 A8 c& U
  34.             { }/ |( [- {9 D7 f0 L4 a! J  R4 Q
  35.             return allHref;
    ! c0 d% X6 K" B$ \" v, y1 |
  36.         }
    % U( k+ D+ {/ E$ p/ ~8 `: S$ G
  37.         #endregion
复制代码
( Z# I/ G% N* x2 q
% s* ?* \3 m5 |+ ~' ~
  1. * X6 e# k) Y7 j
  2. 8 `; n6 t2 O5 q3 Q9 O
  3. , @  K. e2 j0 Q- e7 G: h' h5 h
  4. #region 数据去重. ]/ U1 ^% Y- H! Z4 q
  5.         /// <summary>
    - M# s2 {$ v- J0 v8 ]
  6.         /// List<string>去重
    4 }2 }4 }' n0 N9 d, _
  7.         /// </summary>$ [( Y, I, O8 Q( h4 d0 B
  8.         /// <param name="list"></param>
    ' J. R8 G( ^7 E+ A# v
  9.         /// <returns></returns>
    0 U4 S9 e+ e9 L# T
  10.         public static List<string> getUnqueList(List<string> list)0 |2 \9 b7 S6 W. ^
  11.         {
    ! s9 c  K$ J% X( f
  12.             List<string> list1 = new List<string>();5 L! V, z# S- N0 p4 Y
  13.             Hashtable hash = new Hashtable();9 \+ e) x) N: y# e
  14.             foreach (string s in list)
    / M9 r$ k4 R6 ]! C, R% J
  15.             {. C( W/ N9 X2 r1 M$ N9 p
  16.                 if (!hash.ContainsKey(s))
    # U5 R4 m: _8 T8 @; t
  17.                 {
    % q2 ]: P! O5 L: F5 A
  18.                     hash.Add(s, s);7 J  V" }( Y0 o: i7 w
  19.                     list1.Add(s);
    ! `+ I$ c+ `9 f& F% U
  20.                 }
    & [# c; A4 O7 l4 K: [
  21.             }
    " Y, K6 @4 C. H. d' \- e, _6 |
  22.             hash.Clear();
    . z1 A, D3 }" r9 k. H4 j
  23.             hash = null;
    : E1 C3 \! t+ `, c. v- ]
  24.             return list1;; f% s; w! ^! E5 H' J, d0 `- K  Q
  25.         }
    ' p) G8 m* N0 W$ t$ |2 {7 G
  26.         #endregion
复制代码
+ I3 _' B: ^) D, {$ U

0 @5 d1 u3 ^" K2 w/ ~$ p7 B" 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
7 A. W+ g/ V* w9 B5 v' C' e* l
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
+ L9 _0 t  c. I十分感谢!!!非常感谢!!

8 [1 S5 \" O# ?! O3 X- X) k: |缺少一个gethtml,用下面这个:7 T( @0 P) t% Q! ^7 ?! g+ H
  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 " `# g9 T1 b3 h0 n+ N3 _6 z
  2.         {
    ; F" R2 n7 t" W; @. d: M( _
  3.             string strWebData = "error";% [- ~" n% j+ t0 v7 z* ]
  4.             try
    & Q; T3 Z5 T/ Y4 y+ @: m5 i
  5.             {) ]  \: I2 Q6 |' K" W- \
  6.                 WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient 4 h5 E! ]% K) G+ l; [8 {5 `3 a8 O$ X
  7.                 // 需要注意的: & i8 d3 j1 d1 Z% H6 e; ^+ a6 V
  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 " m4 T( d5 N* l) m2 A
  9.                 //这是就要具体问题具体分析比如在头部加入cookie 6 p" _/ m2 j0 S0 e
  10.                 // webclient.Headers.Add("Cookie", cookie);
    " M/ @. @  ~' ?' `: i$ ]
  11.                 //这样可能需要一些重载方法。根据需要写就可以了
    ' ~1 P$ Q  M9 w4 d4 F2 O; F6 d7 i
  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)");
    0 `- n) I( H( X: r) a/ @$ A5 e
  13.                 //myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)");$ |/ H$ f6 s. y& q/ k' 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。
    8 {$ w4 N1 R! i, E. Q
  15.                 myWebClient.Credentials = CredentialCache.DefaultCredentials;
    6 C/ ?6 `/ t4 h) a+ j5 Y
  16.                 //如果服务器要验证用户名,密码
    6 P% t+ a+ H' @0 W
  17.                 //NetworkCredential mycred = new NetworkCredential(struser, strpassword);
    & c4 w7 N' J6 e
  18.                 //myWebClient.Credentials = mycred; 1 h7 z. N, k: Z7 @' i$ o
  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) : R/ g6 d. G7 U6 e7 d
  20.                 byte[] myDataBuffer = myWebClient.DownloadData(url);5 H3 t. G8 p3 _8 _# }
  21.                 strWebData = Encoding.Default.GetString(myDataBuffer);
    1 e7 B% |% x2 n' H
  22.   e0 j; `& S% W' H. J2 y2 F
  23.                 //获取网页字符编码描述信息
    . f% r1 X* q- }
  24.                 Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)"", RegexOptions.IgnoreCase | RegexOptions.Multiline);
    2 S0 e/ W+ K5 ]+ J) j8 e
  25.                 string webCharSet = charSetMatch.Groups[2].Value;, I: R- B/ K# Y2 |7 o
  26.                 if (charSet == null || charSet == "")
    ' l. D* K1 B% e* b1 |) D
  27.                     charSet = webCharSet;; w& x, E. V/ V
  28.                 if (charSet.Length > 0)
    ; `3 I& O: K# U( q
  29.                 {
    3 Y1 c5 F& D8 c7 W5 _" G" ~
  30.                     charSet = charSet.Replace(""", "");
    + @; G) V: \' |2 s+ ~) V) L
  31.                 }; `5 @! V+ P( h" z$ [: w
  32.                 if (UseUTF8CharSet)
    ( n$ a4 n+ j$ `
  33.                 {% w7 b* m8 A: {8 F2 x1 i3 N
  34.                     if (charSet == null || charSet.Length == 0)( b. P3 T) u2 ]
  35.                     {
    ( G; }2 ~! Z) n) c
  36.                         charSet = "utf-8";
    5 H8 c7 v8 U; ]/ Q- w$ f; b
  37.                     }2 B) R! ?" `1 d6 i. P
  38.                 }* \; K4 z2 L# r9 u- v: ~
  39.                 if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)
    6 p6 J: V3 U) J# _9 j/ v
  40.                     strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);
    * w: T) [6 ?& u0 j5 `# e% h

  41. 3 M7 Q6 D" t" s
  42.             }" J0 g  A7 f' U* r2 R( W
  43.             catch (Exception)
    ' m* v9 a4 `/ b9 |8 m" K7 Y' l
  44.             {
    4 g& m5 i/ H! m; o4 Y
  45.                 strWebData = "error";
    ( l0 v& o: N, l% [% v* @; B
  46.             }% Z5 {5 g4 ?; J# g, `) j7 k3 H

  47. & c3 R8 h4 l2 \4 x; M. }8 S
  48.             return strWebData;
    8 S) ]% [$ h5 B+ f
  49.         }
复制代码

  Q  N% }: J# @. C4 k6 j: z+ a# x0 T
# |  G1 n/ J! F# f+ u1 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, 2026-4-18 01:01 , Processed in 0.048133 second(s), 14 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