仅打印绝对URL

Question

我编写了一个简单的Java Web Crawler，允许用户输入任何网页，它将搜索页面并将链接拉出为字符串。我没有使用像Jsoup这样的软件包。我的问题是，我如何只打印绝对URL而不是相对和绝对URL？

Answer 1

检查src或href属性，看它是绝对的，相对的还是协议相对的（//stackoverflow.com/file）。解析页面的URL。如果标记是协议相关的，请使用解析的页面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中剥离查询字符串和片段IF，并“追加”相对部分。请注意，相对网址可能看起来像/foo，foo，foo/bar或./../../bar/../foo，因此您可能希望在打印前解析路径遍历。

编辑：

查看URL和Commons URL Builder。他们都会有所帮助。