使用python解析相对链接和绝对链接

这是一个下载图像、音频、视频等的项目。 但在一些网站上，我发现没有完整的链接。只是相对路径。 所以我不知道如何获得这些相关链接

我的整个项目在：

https://github.com/MuneebKalathil/MaD

这是我的示例链接，我想从这个链接下载所有图像。有缩略图像，但我不想要那个图像。如果单击缩略图，它将转到原始图像页面。我想下载这些图片

http://www.ragalahari.com/actress/14035/kajal-aggarwal-at-memu-saitham-dinner-with-stars.aspx

部分来源是：

<tr>
<td id='pagingCell'>
</td>
</tr>
<tr>
<td align='center'><div id='galdiv' style='float:center;margin-right:3px;;margin-bottom:3px'>
<a href='/actress/14035/kajal-aggarwal-at-memu-saitham-dinner-with-stars/image1.aspx' ><img src="http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham1t.jpg" alt="Kajal Aggarwal" title="Kajal Aggarwal at Dine with Stars Memu Saitham"></a>

找到它的绝对路径。

使用。传递页面的URL作为其第一个参数。作为第二个参数，传递

href

或其他可能的相对URL。它将正确处理绝对和相对URL，将它们解析为最终的绝对URL

---

如果您仍在使用Python 2，

urljoin

位于

urlparse

模块中。

定义基本url，查找所有

img

标记，如果

src

属性值不是以

http

开头，则用于连接基本url和

src

例如，使用和：

印刷品：

http://icdn.raagalahari.com/images/ragalaharilogo.png
http://www.ragalahari.com/images/helpicon.png
http://www.ragalahari.com/images/rssicon.png
http://www.ragalahari.com/images/twittericon.png
http://www.ragalahari.com/images/facebookicon.png
http://www.ragalahari.com/images/searchicon.png
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham1t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham2t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham3t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham4t.jpg
...

更新（获取

a

链接的部分代码）：

---

你能用python3写代码吗。。获取一些错误：（此程序仅获取图像链接。我希望href链接靠近src链接too@MuneebK你是说普通的

a

链接吗？@alexce，我想要的是…的绝对链接。我编辑了这个问题：…）。。python新手：（正在工作…：D…如果我有更多疑问，可以联系你吗？。有fb、gmail或yahoo吗？

from urllib.parse import urljoin
import requests
from bs4 import BeautifulSoup

base_url = 'http://www.ragalahari.com'
url = 'http://www.ragalahari.com/actress/14035/kajal-aggarwal-at-memu-saitham-dinner-with-stars.aspx'

soup = BeautifulSoup(requests.get(url).content)

for img in soup.find_all('img', src=True):
    src = img.get('src')
    if not src.startswith('http'):
        src = urljoin(base_url, src)

    print(src)

http://icdn.raagalahari.com/images/ragalaharilogo.png
http://www.ragalahari.com/images/helpicon.png
http://www.ragalahari.com/images/rssicon.png
http://www.ragalahari.com/images/twittericon.png
http://www.ragalahari.com/images/facebookicon.png
http://www.ragalahari.com/images/searchicon.png
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham1t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham2t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham3t.jpg
http://imgcdn.raagalahari.com/nov2014/starzone/kajal-agarwal-memu-saitham/kajal-agarwal-memu-saitham4t.jpg
...

for a in soup.select('div#galdiv a'):
    link = a.get('href')
    if not link.startswith('http'):
        link = urljoin(base_url, link)

    print(link)