Jsoup获取绝对路径
自从使用 HttpClient 和 Jsoup 配合编写了几个简单的入门爬虫之后，发现对于绝对路径的需求是很频繁的，因为大部分的网页都写相对路径，这样是有好处的，但是爬虫还是需要获取绝对的路径的。
通常我的处理方式是在获取的相对路径路径前面，拼接一个根路径。当是，这种方法只能适用于，相对路径是相对于当前路径的，如果相对路径是相对于当前路径的上一级或更上一级，那就不好处理了。正好我昨天我碰到了这种相对路径。我无意间发现原来 Jsoup 本身就提供了这个功能，但是我发现很多其他人的博客，虽然介绍了 Jsoup 通过相对路径获取绝对路径的方法，但是都没有介绍完全，为此我也是走了几个坑，特意在此说明一下。
通过Jsoup将相对路径转为绝对路径的方法
如果想要通过 attr 方法获取到绝对路径，必须同时使用这两个方法。
Document org.jsoup.Jsoup.parse(String html, String baseUri);
String org.jsoup.nodes.Node.attr(String attributeKey);
- 必须使用Jsoup 带有 baseUri 参数的重载方法，如果只是用具有第一个参数的 方法，那么通过attr取绝对路径时，获取的内容为空！这是一个坑，但是其它人的博客都没有介绍这一点。
Parameters:
html HTML to parse
baseUri The URL where the HTML was
retrieved from. Used to resolve relative URLs to absolute URLs, that
occurbefore the HTML declares a <base href> tag.
这里列出参数的注释，第一个参数是需要解析的html文档，第二个参数是这个html的url。用于将相对url解析为绝对url，即在HTML声明标记之前发生。
注意： 这里的 baseUri 并不是网站的根路径，它是指当前的html路径。即当前相对路径所在的html文档的路径，是相对路径相对的那个路径。
所以，如果填写的是当前根路径，那么最后获取的绝对路径也是有问题的。（也许是可以使用的，但是格式可能有问题。）
下面第二点，依赖于当前这个给定的 baseUri 参数。
- attr 方法里面的一句话：
To get an absolute URL from an attribute that may be a relative URL, prefix the key with abs,which is a shortcut to the absUrl method.
E.g.: String url = a.attr(“abs:href”);
这句话的意思是从一个相对路径种获取一个绝对路径，使用 abs 前缀，这是absUrl方法的快捷方式。
并且给了一个示例：
String url = a.attr("abs:href");
所以，如果想要获取到绝对路径的话，需要在参数前面加上 abs: 。
这里 abs 就是 absolute 的缩写，它的意思就是绝对的。
但是，如果不去使用带有上面第一点提到的那个重载的 parse 方法的话，这种方法是取不到绝对路径的，甚至是取不到路径。我在这里踩了一个坑。
示例
这里以一个简单的例子说明：
代码：
package ahnu.news;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupPathTest {
public static void main(String[] args) {
String html = "<html>"
+ "<head></head>"
+ "<body>"
+ "<a href=\"../dragon/love/you\"></a>"
+ "</body>"
+ "</html>";
System.out.println("正确的用法");
Document doc = Jsoup.parse(html, "http://example/index/loveyou/");
Element aTag = doc.getElementsByTag("a").first(); //获取 a 标签，只有一个，取第一个即可。
System.out.println(aTag);
String relativePath = aTag.attr("href"); //获取相对路径
String absolutePath = aTag.attr("abs:href"); //获取绝对路径
System.out.println("相对路径：" + relativePath);
System.out.println("绝对路径：" + absolutePath);
System.out.println("---------------------分割线---------------------");
System.out.println("错误的用法");
doc = Jsoup.parse(html);
aTag = doc.getElementsByTag("a").first(); //获取 a 标签，只有一个，取第一个即可。
System.out.println(aTag);
relativePath = aTag.attr("href"); //获取相对路径
absolutePath = aTag.attr("abs:href"); //获取绝对路径
System.out.println("相对路径：" + relativePath);
System.out.println("绝对路径：" + absolutePath);
}
}
运行结果：
注意：
1.在解析html的时候，必须添加 baseUri 参数，否则获取绝对路径时，反而什么都得不到，这是一个坑，注意防范。
2.希望其他人贴方法的时候，可以附带代码的执行结果，或者如果是转载的别人的博客，也可以运行一下代码，不然如果他错了，你也转载，那就是在传播错误了。
3.英语还是很重要的，关键时候可以帮助自己理解api的正确用法。
下一篇： JAVA中关于获取资源路径