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，所以绝对 URL 检测依赖于包含标签的 HTML。”
2. parse(String html, String baseUri) - "HTML 所在的 URL 从中检索。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parse() 版本中，“将相对 URL 解析为绝对 URL”是什么意思？ 之前 HTML声明了一个<base href>标签”是什么意思？如果一个 <base href>标签从不出现在页面中？
2. 绝对 URL 检测的目的是什么？为什么需要 Jsoup 找到绝对网址？
3. 最后也是最重要的：baseUri是HTML页面的完整URL吗 （如原始文档中所述）还是它的 base URL HTML 页面？

Answer 1

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

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，“在 HTML 声明 <base href> 标签之前将相对 URL 解析为绝对 URL”是什么意思？如果页面中从未出现过<base href> 标签怎么办？

一些（较差的）网站可能在<base> 标记之前声明了<link> 或<script> 的相对URL。或者，如果没有 <base> 标签，那么只有给定的 baseUri 将用于解析整个文档的相对 URL。

---

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Element#absUrl() 上返回正确的 URL。这纯粹是为了最终用户的方便。 Jsoup 不需要它就可以自己成功解析 HTML。

---

最后，但最重要的是：baseUri 是 HTML 页面的完整 URL（如原始文档中所述）还是 HTML 页面的基本 URL？

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