我使用python和lxml来收集一些网络数据。
如果我有一些元素:
import requests
from lxml import html
r = requests.get(url)
tree = html.fromstring(r.text)
file_ = tree.xpath('some_xpath')[0]
url=file_.attrib['href'] #element
产生的结果如下:
../Document1/Document2.aspx?No=123456
我的基本网址是这样的:
http://www.foo.com/
我可以添加基本网址并清理间接领先时段,但必须有更好的方法。
感谢您的任何意见。
对于Python 2,它是:
from urlparse import urljoin
abs = urljoin(base, rel)