java - 使用 Jsoup 以正确的格式从网页中提取相对链接

Question

我已经解析了一个网页的外链，我将使用 Jsoup 再次解析该网页。但问题是，链接的形式为:../../../pincode/india/andaman-and-nicobar-islands/。在这种形式下我无法解析它们。因此，在 stackoverflow 的其他帖子的帮助下，我使用 link.attr("abs:href") 转换为绝对网址。

我解析的第一个网页的网址是:http://www.mapsofindia.com/pincode/india/。解析后得到的绝对 URL 的形式为 http://www.mapsofindia.com/../pincode/india/andaman-and-nicobar-islands/。但我无法使用 Jsoup 进一步解析它们。所以当我执行以下语句时:

Jsoup.parse("http://www.mapsofindia.com/../pincode/india/andaman-and-nicobar-islands/");

它给出了 HTTP 400 错误，即错误的请求。所以我认为 URL 存在一些问题。那么任何人都可以帮助我解决上述问题，以正确的方式获取网址，以便我可以进一步解析它们。谢谢。

Answer 1

请测试这两件事:

1. 尝试使用 link.absUrl("href") 而不是 link.attr("abs:href")
2. 检查基本 URI(在元素或文档上调用 baseUri())

顺便说一句。你最好使用 connect() 方法来做这件事:

Document doc = Jsoup.connect("http://<your url here>").get();