快捷導(dǎo)航

關(guān)于Jsoup將相對路徑轉(zhuǎn)為絕對路徑的方法

更新時間：2023年04月26日 10:00:54 作者：CrazyDragon_King

這篇文章主要介紹了關(guān)于Jsoup將相對路徑轉(zhuǎn)為絕對路徑的方法,jsoup 是一款Java 的HTML解析器，可直接解析某個URL地址、HTML文本內(nèi)容,需要的朋友可以參考下

自從使用 HttpClient 和 Jsoup 配合編寫了幾個簡單的入門爬蟲之后，發(fā)現(xiàn)對于絕對路徑的需求是很頻繁的，因為大部分的網(wǎng)頁都寫相對路徑，這樣是有好處的，但是爬蟲還是需要獲取絕對的路徑的。 通常我的處理方式是在獲取的相對路徑路徑前面，拼接一個根路徑。當是，這種方法只能適用于，相對路徑是相對于當前路徑的，如果相對路徑是相對于當前路徑的上一級或更上一級，那就不好處理了。

正好我昨天我碰到了這種相對路徑。我無意間發(fā)現(xiàn)原來 Jsoup 本身就提供了這個功能，但是我發(fā)現(xiàn)很多其他人的博客，雖然介紹了 Jsoup 通過相對路徑獲取絕對路徑的方法，但是都沒有介紹完全，為此我也是走了幾個坑，特意在此說明一下。

通過Jsoup將相對路徑轉(zhuǎn)為絕對路徑的方法

如果想要通過 attr 方法獲取到絕對路徑，必須同時使用這兩個方法。

Document org.jsoup.Jsoup.parse(String html, String baseUri);
String org.jsoup.nodes.Node.attr(String attributeKey);

必須使用Jsoup 帶有 baseUri 參數(shù)的重載方法，如果只是用具有第一個參數(shù)的方法，那么通過attr取絕對路徑時，獲取的內(nèi)容為空！這是一個坑，但是其它人的博客都沒有介紹這一點。

Parameters:
html HTML to parse
baseUri The URL where the HTML was
retrieved from. Used to resolve relative URLs to absolute URLs, that
occurbefore the HTML declares a <base href> tag.

這里列出參數(shù)的注釋，第一個參數(shù)是需要解析的html文檔，第二個參數(shù)是這個html的url。用于將相對url解析為絕對url，即在HTML聲明標記之前發(fā)生。

注意： 這里的 baseUri 并不是網(wǎng)站的根路徑，它是指當前的html路徑。即當前相對路徑所在的html文檔的路徑，是相對路徑相對的那個路徑。 所以，如果填寫的是當前根路徑，那么最后獲取的絕對路徑也是有問題的。（也許是可以使用的，但是格式可能有問題。）下面第二點，依賴于當前這個給定的 baseUri 參數(shù)。

attr 方法里面的一句話：

To get an absolute URL from an attribute that may be a relative URL, prefix the key with abs,which is a shortcut to the absUrl method.
E.g.: String url = a.attr(“abs:href”);
這句話的意思是從一個相對路徑種獲取一個絕對路徑，使用 abs 前綴，這是absUrl方法的快捷方式。
并且給了一個示例：

String url = a.attr("abs:href");

所以，如果想要獲取到絕對路徑的話，需要在參數(shù)前面加上 abs: 。這里 abs 就是 absolute 的縮寫，它的意思就是絕對的。

但是，如果不去使用帶有上面第一點提到的那個重載的 parse 方法的話，這種方法是取不到絕對路徑的，甚至是取不到路徑。我在這里踩了一個坑。

示例

這里以一個簡單的例子說明： 代碼：

package ahnu.news;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupPathTest {
	public static void main(String[] args) {
		String html = "<html>"
				+ "<head></head>"
				+ "<body>"
				+ "<a href=\"../dragon/love/you\"></a>"
				+ "</body>"
				+ "</html>";
		
		System.out.println("正確的用法");
		Document doc = Jsoup.parse(html, "http://example/index/loveyou/");
		Element aTag = doc.getElementsByTag("a").first();   //獲取 a 標簽，只有一個，取第一個即可。
		System.out.println(aTag);
		String relativePath = aTag.attr("href");      //獲取相對路徑
		String absolutePath = aTag.attr("abs:href");  //獲取絕對路徑
		System.out.println("相對路徑：" + relativePath);
		System.out.println("絕對路徑：" + absolutePath);
		
		System.out.println("---------------------分割線---------------------");
		
		System.out.println("錯誤的用法");
		doc = Jsoup.parse(html);
		aTag = doc.getElementsByTag("a").first();   //獲取 a 標簽，只有一個，取第一個即可。
		System.out.println(aTag);
		relativePath = aTag.attr("href");      //獲取相對路徑
		absolutePath = aTag.attr("abs:href");  //獲取絕對路徑
		System.out.println("相對路徑：" + relativePath);
		System.out.println("絕對路徑：" + absolutePath);
	}
}

運行結(jié)果：

在這里插入圖片描述

注意： 1.在解析html的時候，必須添加 baseUri 參數(shù)，否則獲取絕對路徑時，反而什么都得不到，這是一個坑，注意防范。 2.希望其他人貼方法的時候，可以附帶代碼的執(zhí)行結(jié)果，或者如果是轉(zhuǎn)載的別人的博客，也可以運行一下代碼，不然如果他錯了，你也轉(zhuǎn)載，那就是在傳播錯誤了。 3.英語還是很重要的，關(guān)鍵時候可以幫助自己理解api的正確用法。

到此這篇關(guān)于關(guān)于Jsoup將相對路徑轉(zhuǎn)為絕對路徑的方法的文章就介紹到這了,更多相關(guān)Jsoup獲取絕對路徑內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: