查找字符串列表是否多次包含相同元素

Question

我正在为产品销售网站编写自己的特定网络爬虫。由于它们的编码性质非常糟糕，我得到了指向同一页面的网址。

示例一

http://www.hizlial.com/bilgisayar/bilgisayar-bilesenleri/bilgisayar/yazicilar/samsung-scx-3200-tarayici-fotokopi-lazer-yazici_30.033.1271.0043.htm

例如上面的页面与下面的页面相同

http://www.hizlial.com/bilgisayar-bilesenleri/bilgisayar/yazicilar/samsung-scx-3200-tarayici-fotokopi-lazer-yazici_30.033.1271.0043.htm

正如你所看到的，当你通过'/'字符分割时它包含2个“bilgisayar”元素

所以我想要的是我想像这样分割网址

 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，我将跳过该 url，因为我已经从其他页面提取了真实的 url。那么最好的方法是什么？

更长但有效的版本

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;
        }
    }
}

Answer 1

if (list.Distinct().Count() < list.Count)

这应该比分组更快。 （我没有测量）

您可以通过编写自己的扩展方法来使其更快，该方法将项目添加到 HashSet 并在 Add() 时立即返回 false返回假。

你甚至可以使用邪恶的速记来做到这一点：

if (!list.All(new HashSet<string>().Add))

Answer 2

if(lstSPlit.GroupBy(i => i).Where(g => g.Count() > 1).Any())
{
    // found more than once
}