zoukankan
html css js c++ java
提取网页中的链接并生成xml
using System; using System.Xml; using System.Text; using System.Net; using System.IO; using System.Collections; using System.Text.RegularExpressions; public class App { public static void Main() { string strCode; ArrayList alLinks; Console.Write("请输入一个网页地址:"); string strURL = Console.ReadLine(); if (strURL.Substring(0, 7) != @"http://") { strURL = @"http://" + strURL; } Console.WriteLine("正在获取页面代码,请稍侯..."); strCode = GetPageSource(strURL); Console.WriteLine("正在提取超链接,请稍侯..."); alLinks = GetHyperLinks(strCode); Console.WriteLine("正在写入文件,请稍侯..."); WriteToXml(strURL, alLinks); } // 获取指定网页的HTML代码 static string GetPageSource(string URL) { Uri uri = new Uri(URL); HttpWebRequest hwReq = (HttpWebRequest)WebRequest.Create(uri); HttpWebResponse hwRes = (HttpWebResponse)hwReq.GetResponse(); hwReq.Method = "Get"; hwReq.KeepAlive = false; StreamReader reader = new StreamReader(hwRes.GetResponseStream(), System.Text.Encoding.GetEncoding("GB2312")); return reader.ReadToEnd(); } // 提取HTML代码中的网址 static ArrayList GetHyperLinks(string htmlCode) { ArrayList al = new ArrayList(); string strRegex = @"http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?"; Regex r = new Regex(strRegex, RegexOptions.IgnoreCase); MatchCollection m = r.Matches(htmlCode); for (int i = 0; i <= m.Count - 1; i++) { bool rep = false; string strNew = m[i].ToString(); // 过滤重复的URL foreach (string str in al) { if (strNew == str) { rep = true; break; } } if (!rep) al.Add(strNew); } al.Sort(); return al; } // 把网址写入xml文件 static void WriteToXml(string strURL, ArrayList alHyperLinks) { XmlTextWriter writer = new XmlTextWriter("HyperLinks.xml", Encoding.UTF8); writer.Formatting = Formatting.Indented; writer.WriteStartDocument(false); writer.WriteDocType("HyperLinks", null, "urls.dtd", null); writer.WriteComment("提取自" + strURL + "的超链接"); writer.WriteStartElement("HyperLinks"); writer.WriteStartElement("HyperLinks", null); writer.WriteAttributeString("DateTime", DateTime.Now.ToString()); foreach (string str in alHyperLinks) { string title = GetDomain(str); string body = str; writer.WriteElementString(title, null, body); } writer.WriteEndElement(); writer.WriteEndElement(); writer.Flush(); writer.Close(); } // 获取网址的域名后缀 static string GetDomain(string strURL) { string retVal; string strRegex = @"(\.com/|\.net/|\.cn/|\.org/|\.gov/)"; Regex r = new Regex(strRegex, RegexOptions.IgnoreCase); Match m = r.Match(strURL); retVal = m.ToString(); strRegex = @"\.|/{1}quot;; retVal = Regex.Replace(retVal, strRegex, "").ToString(); if (retVal == "") retVal = "other"; return retVal; } }
查看全文
相关阅读:
git创建远程分支
npm 设置淘宝镜像的两个方法
webpack + ts 项目的初始化
react组件间事件触发的两种方式
PhpStorm 使用 xdebug 进行调试(三)
PhpStorm 使用 Apache 运行 php 代码(二)
搭建 PHP 开发环境(Apache + PHP)(一)
Centos7 安装 MongoDB
Vue 中使用 vuex(十三)
Vue 中使用 vue-router(十二)
原文地址:https://www.cnblogs.com/zhangqs008/p/2341121.html
最新文章
web8-文件包含
WEB7-你必须让他停下
simple_php
Bugku-CTF-WEB5
使用命令将scss文件转为css文件
vue项目中如何实现一个项目引入同一依赖的多个版本
node-复制文件
node执行命令输出打印的内容写入另一文件中
表达式的校验
JSON.stringify字符串处理内容后的格式化
热门文章
js面试题:key==1&&key==2&&key==3
后端返回文件流和json格式的方式进行文件下载导出
tinymce富文本编辑器如何实现上传图片
读取上传附件的内容与手动上传附件
个人项目中使用的nginx.conf解读
windows电脑如何使用chrome调试ios webView (包含safari和App)
阿里云服务器从购买完成到部署前端静态资源
react-creat-app脚手架使用svg,使用绝对路径
vw+rem实现移动端自适应——最简单的自适应写法
react自动化项目构建
Copyright © 2011-2022 走看看