比较两个具有相似内容的网站主机

Question

我正在尝试创建一种可抓取网站所有子页面的电子邮件抓取器。

因此，我将获取Href的所有值并进行验证，我需要运行一些检查，其中之一是使用Host Url检查新的Url。

第一个问题是，基本上，我注意到某些网站使用https://www.exsmpl.com作为其href值，或使用/subpage进入其下一个网页。

许多页面除了重定向链接外还有其他链接，因此我也需要将它们分开。

所以要分开这些，我需要使用newUrl并将其与HostUrl进行比较

这就是我尝试过的：

 //For each item inside the Newly found A-href Urls list
    foreach (var item in newATagUrl) {

         if (item.Contains("://")) {

               bool compareHostToFake = HostUrl.Equals(item);
               if (compareHostToFake) {
                       newSubpageUrls.Add(item);
                   } 
    }

此equals方法的问题是，我们很难比较这两个网址，因此，如果我的主机是example.com和example.com/subpage，则它会以我们不想要的错误形式出现。

contains 怎么样，那么我们又遇到了另一个问题，因为我们想添加类似example.com/subpage的内容，如果我们遇到facebook.com/ex.ample链接或甚至可能包含该链接的GitHub链接。

简短地：

我的标签列表由-> hosturl.com 上的A标签更新：

1. https://www.fb.com/host.party
2. https://www.hosturl.com/subpage
3. https://www.google.com/
4. index.html
5. /contact.php

然后，我希望我的排序器将它们排序到新的子页面列表中-> newSubPageList ：

1. https://www.hosturl.com/subpage
2. index.html
3. /contact.php

这里唯一重要的部分是https：// 我基本上已经整理出的其他部分。

最大的问题是，我无法弄清楚如何用fakeUrl来解密主机URL。

其他：我们可以将最终子页面网址归结为：hosturl.com/subpage https://部分和www并不是必须的，我以后可以添加它们，这确实需要捕获的.com部分后面的.com/subpage斜杠。