快捷導(dǎo)航

關(guān)于Jsoup將相對(duì)路徑轉(zhuǎn)為絕對(duì)路徑的方法

更新時(shí)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(duì)路徑轉(zhuǎn)為絕對(duì)路徑的方法,jsoup 是一款Java 的HTML解析器，可直接解析某個(gè)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(gè)簡(jiǎn)單的入門爬蟲之后，發(fā)現(xiàn)對(duì)于絕對(duì)路徑的需求是很頻繁的，因?yàn)榇蟛糠值木W(wǎng)頁(yè)都寫相對(duì)路徑，這樣是有好處的，但是爬蟲還是需要獲取絕對(duì)的路徑的。通常我的處理方式是在獲取的相對(duì)路徑路徑前面，拼接一個(gè)根路徑。當(dāng)是，這種方法只能適用于，相對(duì)路徑是相對(duì)于當(dāng)前路徑的，如果相對(duì)路徑是相對(duì)于當(dāng)前路徑的上一級(jí)或更上一級(jí)，那就不好處理了。

正好我昨天我碰到了這種相對(duì)路徑。我無意間發(fā)現(xiàn)原來 Jsoup 本身就提供了這個(gè)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(duì)路徑獲取絕對(duì)路徑的方法，但是都沒有介紹完全，為此我也是走了幾個(gè)坑，特意在此說明一下。

通過Jsoup將相對(duì)路徑轉(zhuǎn)為絕對(duì)路徑的方法

如果想要通過 attr 方法獲取到絕對(duì)路徑，必須同時(shí)使用這兩個(gè)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(gè)參數(shù)的方法，那么通過attr取絕對(duì)路徑時(shí)，獲取的內(nèi)容為空！這是一個(gè)坑，但是其它人的博客都沒有介紹這一點(diǎn)。

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(gè)參數(shù)是需要解析的html文檔，第二個(gè)參數(shù)是這個(gè)html的url。用于將相對(duì)url解析為絕對(duì)url，即在HTML聲明標(biāo)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(dāng)前的html路徑。即當(dāng)前相對(duì)路徑所在的html文檔的路徑，是相對(duì)路徑相對(duì)的那個(gè)路徑。 所以，如果填寫的是當(dāng)前根路徑，那么最后獲取的絕對(duì)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(diǎn)，依賴于當(dāng)前這個(gè)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(gè)相對(duì)路徑種獲取一個(gè)絕對(duì)路徑，使用 abs 前綴，這是absUrl方法的快捷方式。
并且給了一個(gè)示例：

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

所以，如果想要獲取到絕對(duì)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(duì)的。

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

示例

這里以一個(gè)簡(jiǎn)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(biāo)簽，只有一個(gè)，取第一個(gè)即可。
		System.out.println(aTag);
		String relativePath = aTag.attr("href");      //獲取相對(duì)路徑
		String absolutePath = aTag.attr("abs:href");  //獲取絕對(duì)路徑
		System.out.println("相對(duì)路徑：" + relativePath);
		System.out.println("絕對(duì)路徑：" + absolutePath);
		
		System.out.println("---------------------分割線---------------------");
		
		System.out.println("錯(cuò)誤的用法");
		doc = Jsoup.parse(html);
		aTag = doc.getElementsByTag("a").first();   //獲取 a 標(biāo)簽，只有一個(gè)，取第一個(gè)即可。
		System.out.println(aTag);
		relativePath = aTag.attr("href");      //獲取相對(duì)路徑
		absolutePath = aTag.attr("abs:href");  //獲取絕對(duì)路徑
		System.out.println("相對(duì)路徑：" + relativePath);
		System.out.println("絕對(duì)路徑：" + absolutePath);
	}
}

運(yùn)行結(jié)果：

在這里插入圖片描述

注意： 1.在解析html的時(shí)候，必須添加 baseUri 參數(shù)，否則獲取絕對(duì)路徑時(shí)，反而什么都得不到，這是一個(gè)坑，注意防范。 2.希望其他人貼方法的時(shí)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(yùn)行一下代碼，不然如果他錯(cuò)了，你也轉(zhuǎn)載，那就是在傳播錯(cuò)誤了。 3.英語(yǔ)還是很重要的，關(guān)鍵時(shí)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(duì)路徑轉(zhuǎn)為絕對(duì)路徑的方法的文章就介紹到這了,更多相關(guān)Jsoup獲取絕對(duì)路徑內(nèi)容請(qǐng)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: