我有一些带有 html 文件的页面存储库。我想使用 jsoup 处理它们，但是当我尝试获取所有链接的绝对路径时，jsoup 给了我空字符串 ("")。是否有可能将 baseUri 设置为文件路径？
解决方案：link.get(i).baseUri + link.get(i).attr("href") 对我来说还不够，因为我需要了解如何识别哪个链接是相对的。
jsoup 文档告诉我们：
有一个姐妹方法 parse(File in, String charsetName) 它使用 文件的位置作为 baseUri。如果您正在工作，这很有用 在文件系统本地站点上，它指向的相对链接是 也在文件系统上。
但它在我的电脑上不起作用。
【问题讨论】：
标签： java jsoup relative-path absolute-path
我正在使用以下代码“解决”相同的问题。虽然我更喜欢在本地文件系统上运行的 jsoup 函数，但同时我还需要一些东西。该解决方案是将文件位置作为 baseURI 发送到解析器，然后将每个相对路径连接到该基础。不幸的是，这意味着我失去了 jsoup 通常使用其内置函数处理的 HTML 的“../”的嵌套功能。此外，我永远无法像内置函数那样确定结果。
幸运的是，我主要将它用于 JUnit 测试，它应该会给我的生产代码增加一些小风险。上下文是我建立了一个本地“互联网”来测试离线爬行。我通过在我的 JUnit 测试类中向其发送本地 HTML 文件来创建 JSoup 文档：
// From my JUnit Test
String testFileName = "HTMLTest_RelativeReferences.html";
String testFilePath = getClass().getResource(testFileName).getPath();
String testFileBaseURI = testFilePath.replace(testFileName, "");
// ...
// Sends filePath and baseURI to testing class that creates JSoup Doc with:
siteDoc = Jsoup.parse(new File(testFilePath), "UTF-8", testFileBaseURI);
现在我使用 baseURI 创建了我的文档，你和我都认为相对路径应该使用该 baseURI 来创建绝对路径。由于失败了，我对空字符串 abs:refs 运行了一个简单的测试并连接我自己的 URL。
Elements links = siteDoc.select("a[href]"); // extract link collection
for (Element link : links) { // iterate through links
String linkString = link.attr("abs:href"); // ftr, neither this nor absUrl("href") works
if (linkString.isEmpty()) { // check if returned "" (i.e., the problem at hand)
URLs.add(siteDoc.baseUri() + link.attr("href")); // concatenate baseURI to relative ref
}
else { // for all the properly returned absolute refs
URLs.add(link.attr("abs:href"));
}
}
我的所有 JUnit 测试继续通过绝对和相对本地引用 - 祝你好运！
HTML Doc 我用于参考的所有 3 个链接代表同一文件夹中的其他 HTML 文件：
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>HTML Test using Relative References</title>
</head>
<body>
<a href="LinkedHTMLFile1.html">Link1</a>
<a href="LinkedHTMLFile2.html">Link2</a>
<a href="LinkedHTMLFile3.html">Link3</a>
</body>
</html>编辑：我对 jsoup 库的深入研究让我相信我们的本地文件“URL”将永远无法工作，因为 jsoup 在其 attr(“abs:href”) 过程中处理实际 URL 并将通过 MalformedURLs 并返回“”因为我们实际上使用的是本地文件路径而不是真正的 URL。我认为这超出了上述答案的范围，但我想我会提到我的发现。
【讨论】：
您可以在 JSoup Elements 中使用 absUrl() 函数。
String path = linkEl.absUrl("href");
【讨论】：