Jsoup.parse() 与 Jsoup.parse() - 或者 Jsoup 中的 URL 检测如何工作？

Question

Jsoup 有 2 个html parse() 方法：

1. parse(String html) - “由于没有指定基本 URI，绝对 URL 检测依赖于包含标签的 HTML。”
2. parse(String html, String baseUri) - “从中检索 HTML 的 URL。用于将相对 URL 解析为绝对 URL，发生在 HTML 声明标签之前。”

我很难理解两者之间差异的含义：

1. 在第二个版本中，“在HTML 声明标签之前parse()将相对 URL 解析为绝对 URL ”是什么意思？如果 页面中从未出现过标签怎么办？<base href><base href>
2. 绝对URL检测的目的是什么？为什么Jsoup需要查找绝对URL？
3. 最后但也是最重要的：是baseUriHTML 页面的完整 URL（如原始文档中的措辞）还是HTML 页面的基本URL？

Answer 1

它用于除其他外，以便您可以检索、、、等Element#absUrl()的（预期）绝对 URL。例如<a href><img src><link href><script src>

for (Element link : document.select("a")) {
    System.out.println(link.absUrl("href"));
}

如果您还想下载和/或解析链接的资源，这非常有用。

在第二个 parse() 版本中，“将 HTML 声明标签之前发生的相对 URL 解析为绝对 URL <base href>”是什么意思？如果<base href>页面中从未出现过标签怎么办？

一些（较差的）网站可能在标签前声明了<link>或 以及<script>相对 URL 。或者，如果没有标记，则仅使用给定的标记来解析整个文档的相对 URL。<base><base>baseUri

绝对URL检测的目的是什么？为什么Jsoup需要查找绝对URL？

为了在 上返回正确的 URL Element#absUrl()。这纯粹是为了最终用户的方便。Jsoup 不需要它来成功地自行解析 HTML。

最后但最重要的是：baseUri 是 HTML 页面的完整 URL（如原始文档中的措辞）还是 HTML 页面的基本 URL？

前者。如果是后者，那么文档就会撒谎。切勿baseUri与 混淆<base href>。