我正在为产品销售网站编写自己的特定网络爬虫。由于他们的编码性质非常糟糕,我得到的网址指向相同的页面。找到一个字符串列表是否包含多个相同的元素
例一
http://www.hizlial.com/bilgisayar/bilgisayar-bilesenleri/bilgisayar/yazicilar/samsung-scx-3200-tarayici-fotokopi-lazer-yazici_30.033.1271.0043.htm
例如上面的页是相同的,如下
http://www.hizlial.com/bilgisayar-bilesenleri/bilgisayar/yazicilar/samsung-scx-3200-tarayici-fotokopi-lazer-yazici_30.033.1271.0043.htm
正如你可以看到它含有2 “bilgisayar” 元件时,通过'/'
字符分割
所以我想要的是我想拆分这样的网址
string[] lstSPlit = srURL.Split('/');
之后,检查该列表是否多次包含相同的元素。任何元素。如果包含任何元素,我将跳过网址,因为我已经有了从其他页面提取的真实网址。那么做这件事的最好方法是什么?
较长,但工作版本
string[] lstSPlit = srHref.Split('/');
bool blDoNotAdd = false;
HashSet<string> splitHashSet=new HashSet<string>();
foreach (var vrLstValue in lstSPlit)
{
if (vrLstValue.Length > 1)
{
if (splitHashSet.Contains(vrLstValue) == false)
{
splitHashSet.Add(vrLstValue);
}
else
{
blDoNotAdd = true;
break;
}
}
}
所以要检查是否'lstSPlit'包含相同的项目超过一次?或者你想检查它是否包含你在之前的运行中看到的项目? – 2012-02-03 00:30:26
同一个项目不止一次。它可以是它的任何项目 – MonsterMMORPG 2012-02-03 00:40:03