如何从lin获取完整的url

Question

假设我转到http://www.example.com/dir1/dir2/index.html，有以下链接：

<a href="/about/">Link</a><a href="/about">Link</a><a href="/page.html/">Link</a><a href="/page.html">Link</a>

我的问题是，我不知道什么时候应该把哪些部分连接在一起，因为有些部分有斜杠，有些没有，我必须考虑到这一点

http://www.example.com/dir1/dir2/index.html/about/

应该是真的

http://www.example.com/dir1/dir2/about/。你知道吗

另外，我如何判断/about是一个目录而不是一个文件？ 我将python3.5与urllib.request模块一起使用。你知道吗

Answer 1

你可以试试这个-

base_url = "http://www.example.com/dir1/dir2"
next = "/index.html"

然后，对于每个链接，提取href属性并将其分配给next。每个链接的最终url将是base_url + next。你知道吗