如何從網頁的HTML中獲取絕對網址

Question

下面是一個實例。如果您轉到http://superior.edu.pk的源代碼（Ctrl + U），您將看到沒有基本URL和/或http-equi等。當您向下滾動以檢查圖像時，它將顯示不同的URL以完成相對路徑以及何時您將檢查HTML網址（例如搜索AdmissionSchedule.aspx），您將看到不同的URL解析相對路徑。我的問題是：我如何才能將這些相對URL作爲絕對URL？我試過jsoup abd：hre和element.absUrl（「href」）;都給我空串。設置document.setBaseUri（「http://www.example.com」）;也就是說，由於存在兩個用作基本URL的不同URL，因此也不起作用。

任何幫助將爲我感激。

謝謝

Answer 1

你爲什麼說有兩個基本的URL？所有相關鏈接指向http://superior.edu.pk/presentation/user/（否則！）。

試試下面的代碼：

//If you use an URL you haven't to especify base URL 
    Document doc=Jsoup.connect("http://superior.edu.pk/presentation/user/Default.aspx").get(); 
    //If you use a file or a String you have. Base URL is http://superior.edu.pk/presentation/user/ of course 
    //Document doc = Jsoup.parse(Main.class.getResourceAsStream("page.htm"), "utf-8", "http://superior.edu.pk/presentation/user/"); 

    //Only as an example. You can fetch any anchor as wou wish. 
    Elements links = doc.select("div.footerMaterial > a"); 
    for (Element link : links){ 
     String attr = link.absUrl("href"); 
     System.out.println(attr); 
    } 

你會看到所有的正確絕對URL。從相對鏈接指向所獲得的那些，以superior.edu.pk和絕對的人指出他們respectives域（www.digitallibrary.edu.pk和www.google.com）

（編輯）

你還可以測試這個代碼：

Element link = doc.select(".logo > a:nth-child(1) > img:nth-child(1)").first(); 
    String attr = link.absUrl("src"); 
    System.out.println(attr); 

會給你：

http://superior.edu.pk/images/logo.jpg 

這是正確的！

解釋是相對網址是../../images/logo.jpg，這是http://superior.edu.pk/presentation/user/../../images/logo.jpg，它解析爲http://superior.edu.pk/images/logo.jpg。

一個頁面只能有一個基礎url！