如何从网页的HTML中获取绝对网址

Question

下面是一个实例。如果您转到http://superior.edu.pk的源代码（Ctrl + U），您将看到没有基本URL和/或http-equi等。当您向下滚动以检查图像时，它将显示不同的URL以完成相对路径以及何时您将检查HTML网址（例如搜索AdmissionSchedule.aspx），您将看到不同的URL解析相对路径。我的问题是：我如何才能将这些相对URL作为绝对URL？我试过jsoup abd：hre和element.absUrl（“href”）;都给我空串。设置document.setBaseUri（“http://www.example.com”）;也就是说，由于存在两个用作基本URL的不同URL，因此也不起作用。

任何帮助将为我感激。

谢谢

Answer 1

你为什么说有两个基本的URL？所有相关链接指向http://superior.edu.pk/presentation/user/（否则！）。

试试下面的代码：

//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); 
    } 

你会看到所有的正确绝对URL。从相对链接指向所获得的那些，以superior.edu.pk和绝对的人指出他们respectives域（www.digitallibrary.edu.pk和www.google.com）

（编辑）

你还可以测试这个代码：

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

会给你：

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

这是正确的！

解释是相对网址是../../images/logo.jpg，这是http://superior.edu.pk/presentation/user/../../images/logo.jpg，它解析为http://superior.edu.pk/images/logo.jpg。

一个页面只能有一个基础url！