python - 如何在Python中将lxml字符串与另一个字符串连接

Question

我有以下内容:

import urllib
import lxml.html

connection = urllib.urlopen('http://example.com')
dom = lxml.html.fromstring(connection.read())

for link in dom.xpath('//div[@id="right-column"]//a/@href'):
    print link

我的问题是，for 循环 中的每个链接 并不包含链接的整个路径，而仅包含http://example 之后的内容。 com。

链接变量示例:

/andrew-darius-et-al-mob-app-maker  
/andrew-darius-et-al-explaindio-3-0

现在，我想做的是在 for 循环中连接 connection 和 link ，这样我就有了完整路径:

http://example.com/andrew-darius-et-al-mob-app-maker  
http://example.com/andrew-darius-et-al-explaindio-3-0

<小时/>

编辑1:

 import urllib
 import lxml.html
 from urlparse import urljoin

 URL = urllib.urlopen('http://muncheye.com')
 dom = lxml.html.fromstring(URL.read())

 for link in dom.xpath('//div[@id="right-column"]//a/@href'):
     FINAL_URL = urljoin('http://muncheye.com', link)
     print FINAL_URL

Answer 1

使用 urljoin 使 URL 成为绝对 URL。您必须知道，HTML 文件可以使用基本标签设置其基本 url。所以我也认为:

import urlparse
import lxml.html

URL = 'http://example.com'
dom = lxml.html.parse(URL)
url = dom.docinfo.URL
base = dom.find('head/base')
if base:
    url = base.get('href', url)

for link in dom.xpath('//div[@id="right-column"]//a/@href'):
    print urlparse.urljoin(url, link)