自從使用 HttpClient 和 Jsoup 配合編寫了幾個簡單的入門爬蟲之後，發現對於絕對路徑的需求是很頻繁的，因爲大部分的網頁都寫相對路徑，這樣是有好處的，但是爬蟲還是需要獲取絕對的路徑的。
通常我的處理方式是在獲取的相對路徑路徑前面，拼接一個根路徑。當是，這種方法只能適用於，相對路徑是相對於當前路徑的，如果相對路徑是相對於當前路徑的上一級或更上一級，那就不好處理了。正好我昨天我碰到了這種相對路徑。我無意間發現原來 Jsoup 本身就提供了這個功能，但是我發現很多其他人的博客，雖然介紹了 Jsoup 通過相對路徑獲取絕對路徑的方法，但是都沒有介紹完全，爲此我也是走了幾個坑，特意在此說明一下。
通過Jsoup將相對路徑轉爲絕對路徑的方法
如果想要通過 attr 方法獲取到絕對路徑，必須同時使用這兩個方法。
Document org.jsoup.Jsoup.parse(String html, String baseUri);
String org.jsoup.nodes.Node.attr(String attributeKey);
- 必須使用Jsoup 帶有 baseUri 參數的重載方法，如果只是用具有第一個參數的 方法，那麼通過attr取絕對路徑時，獲取的內容爲空！這是一個坑，但是其它人的博客都沒有介紹這一點。
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.
這裏列出參數的註釋，第一個參數是需要解析的html文檔，第二個參數是這個html的url。用於將相對url解析爲絕對url，即在HTML聲明標記之前發生。
注意： 這裏的 baseUri 並不是網站的根路徑，它是指當前的html路徑。即當前相對路徑所在的html文檔的路徑，是相對路徑相對的那個路徑。
所以，如果填寫的是當前根路徑，那麼最後獲取的絕對路徑也是有問題的。（也許是可以使用的，但是格式可能有問題。）
下面第二點，依賴於當前這個給定的 baseUri 參數。
- attr 方法裏面的一句話：
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”);
這句話的意思是從一個相對路徑種獲取一個絕對路徑，使用 abs 前綴，這是absUrl方法的快捷方式。
並且給了一個示例：
String url = a.attr("abs:href");
所以，如果想要獲取到絕對路徑的話，需要在參數前面加上 abs: 。
這裏 abs 就是 absolute 的縮寫，它的意思就是絕對的。
但是，如果不去使用帶有上面第一點提到的那個重載的 parse 方法的話，這種方法是取不到絕對路徑的，甚至是取不到路徑。我在這裏踩了一個坑。
示例
這裏以一個簡單的例子說明：
代碼：
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("正確的用法");
Document doc = Jsoup.parse(html, "http://example/index/loveyou/");
Element aTag = doc.getElementsByTag("a").first(); //獲取 a 標籤，只有一個，取第一個即可。
System.out.println(aTag);
String relativePath = aTag.attr("href"); //獲取相對路徑
String absolutePath = aTag.attr("abs:href"); //獲取絕對路徑
System.out.println("相對路徑：" + relativePath);
System.out.println("絕對路徑：" + absolutePath);
System.out.println("---------------------分割線---------------------");
System.out.println("錯誤的用法");
doc = Jsoup.parse(html);
aTag = doc.getElementsByTag("a").first(); //獲取 a 標籤，只有一個，取第一個即可。
System.out.println(aTag);
relativePath = aTag.attr("href"); //獲取相對路徑
absolutePath = aTag.attr("abs:href"); //獲取絕對路徑
System.out.println("相對路徑：" + relativePath);
System.out.println("絕對路徑：" + absolutePath);
}
}
運行結果：
注意：
1.在解析html的時候，必須添加 baseUri 參數，否則獲取絕對路徑時，反而什麼都得不到，這是一個坑，注意防範。
2.希望其他人貼方法的時候，可以附帶代碼的執行結果，或者如果是轉載的別人的博客，也可以運行一下代碼，不然如果他錯了，你也轉載，那就是在傳播錯誤了。
3.英語還是很重要的，關鍵時候可以幫助自己理解api的正確用法。