Сбор url с любых сайтов

[artsmm]

Нужен шаблон или один кубик на c# ( как вам удобнее), который будет выполнять следующие действия
1. Сбор всех внутренних url сайтов, которые заранее заданны в списке
2. Запись собранных url во второй список
Все

 

[Astraport]

Нужен шаблон или один кубик на c# ( как вам удобнее), который будет выполнять следующие действия
1. Сбор всех внутренних url сайтов, которые заранее заданны в списке
2. Запись собранных url во второй список
Все

Найди screaming frog. Сделает раз в миллион быстрее и качественнее эту задачу.
Тебе же надо именно паука для сбора Урлов со всех страниц сайтов? Иначе это пишется на Зенке за 5 минут.

 

[slavon]

Тебе же надо именно паука для сбора Урлов со всех страниц сайтов? Иначе это пишется на Зенке за 5 минут.

Не подскажешь как?

 

[Astraport]

Не подскажешь как?

Регуляркой парсишь DOM и всё)
Например этой
/<a href=\\"([^\\"]*)\\">(.*)<\\/a>/iU

 

[specialist]

Регуляркой парсишь DOM и всё)

Парсит как есть, если путь относительный, то ссылка от этой страницы и будет считаться. Если нужны полные ссылки, нужно производить пересчет ссылок, можно через C#, можно через Javascript

 

[artsmm]

/<a href=\\"([^\\"]*)\\">(.*)<\\/a>/iU

Видимо не так просто, но спасибо. Страницы не парсятся

 

[KolkaPetkinSyn]

Регуляркой парсишь DOM и всё)
Например этой
/<a href=\\"([^\\"]*)\\">(.*)<\\/a>/iU

Ваш совет выше, лучшее решение! Занимался подобным с помощью зенки, жрала уйму ресурсов

 

[artsmm]

Парсит как есть, если путь относительный, то ссылка от этой страницы и будет считаться. Если нужны полные ссылки, нужно производить пересчет ссылок, можно через C#, можно через Javascript

Спасибо за совет, но я не знаю как это сделать ни на c#, ни на яве)

 

[KolkaPetkinSyn]

Спасибо за совет, но я не знаю как это сделать ни на c#, ни на яве)

как это делал я:
Брал спаршенный урл и проверял есть ли в начале "http(s)://" если есть, то урл полный, если нет, то добавляю в начало http(s)://domen.ru

 

[artsmm]

как это делал я:
Брал спаренный урл и проверял есть ли в начале "http(s)://" если есть, то урл полный, если нет, то добавляю в начало http(s)://domen.ru

Это да, я тоже так делал) Плюс потом фильтры разные накручивал. Мне нужны именно внутренние url сайта, желательно только те, которые содержат статьи. Это уже детали, я их сам доделаю. Мне главное парсер урлов

 

[KolkaPetkinSyn]

Это да, я тоже так делал) Плюс потом фильтры разные накручивал. Мне нужны именно внутренние url сайта, желательно только те, которые содержат статьи. Это уже детали, я их сам доделаю. Мне главное парсер урлов

я паршу такой регуляркой

(?<=href=").*?(?=")

пока не подводила

 

[artsmm]

(?<=href=").*?(?=")

Спасибо. Ссылки чистенько парсятся)

 

[KolkaPetkinSyn]

Спасибо. Ссылки чистенько парсятся)

пожалуйста.
Я как то, то же искал универсальную регулярку. Весь форум перерыл, но всё какие то косяки. А потом сам код глянул ещё разок и эврика! Ответ так прост.

 

[606]

я паршу такой регуляркой

(?<=href=").*?(?=")

пока не подводила

не срабатывает. Компиляция кода Ошибка в действии "CS1002" "ожидалась ;". [Строка: 0; Cтолбец: 20]

 

[Juniorcpa]

xenu скачайте

 

[Reysh]

Это же не C# код, а регулярное выражение, его нужно добавить в кубик парсинга по Regex