Python 从页面上的相对URL重建绝对URL

给定一个页面的绝对url，以及在该页面中找到的一个相对链接，是否有办法a）最终重建或b）尽最大努力重建相对链接的绝对url

在我的例子中，我正在使用Beauty soup从给定url读取html文件，剥离所有img标记源，并尝试构建页面图像的绝对url列表

到目前为止，我的Python函数如下所示：

function get_image_url(page_url,image_src):

    from urlparse import urlparse
    # parsed = urlparse('http://user:pass@NetLoc:80/path;parameters?query=argument#fragment')
    parsed = urlparse(page_url)
    url_base = parsed.netloc
    url_path = parsed.path

    if src.find('http') == 0:
        # It's an absolute URL, do nothing.
        pass
    elif src.find('/') == 0:
        # If it's a root URL, append it to the base URL:
        src = 'http://' + url_base + src
    else:
        # If it's a relative URL, ?

注意：不需要Python回答，只需要所需的逻辑

非常简单：

>>> from urlparse import urljoin
>>> urljoin('http://mysite.com/foo/bar/x.html', '../../images/img.png')
'http://mysite.com/images/img.png'

用于根据基本URL解析（可能是相对的）URL

但是，web页面的基本URL不一定与从中获取文档的URL相同，因为HTML允许页面指定其首选的基本URL。您需要的逻辑如下所示：

base_url = page_url
head = document.getElementsByTagName('head')[0]
for base in head.getElementsByTagName('base'):
    if base.hasAttribute('href'):
        base_url = urllib.parse.urljoin(base_url, base.getAttribute('href'))
        # HTML5 4.2.3 "if there are multiple base elements with href
        # attributes, all but the first are ignored."
        break

---

（如果你在解析XHTML，那么理论上你应该考虑到比较复杂的问题。但是你可能不用担心，因为没有人真正使用XHTML。）

嘿，酷！！（我想我确实需要Python。）在Python 3中，URLPASSE模块被重命名为urllib.parse。因此，

从urllib.parse导入urljoin