仅打印绝对 URL

Posted 2023-02-26

【中文标题】仅打印绝对 URL

【英文标题】：Print only absolute URLs

【发布时间】：2014-03-07 06:16:29

【问题描述】：

我编写了一个简单的 Java Web Crawler，它允许用户输入任何网页，它会搜索整个页面并将链接作为字符串提取出来。我没有使用像 Jsoup 这样的包。我的问题是，我如何只打印绝对 URL 而不是相对 URL 和绝对 URL？

【参考方案1】：

检查 src 或 href 属性以查看它是绝对的、相对的还是协议相对的 (//***.com/file)。解析页面的 URL。如果标记是协议相关的，则使用解析的页面 URL 中的协议，然后附加属性的内容。如果它是相对的，则从原始 URL 中去除查询字符串和片段 IF，并“附加”相对部分。请注意，相对 URL 可能类似于 /foo、foo、foo/bar 或 ./../../bar/../foo，因此您可能需要在打印之前解析路径遍历。

编辑：

看看URL 和Commons URL Builder。他们都会有所帮助。