¿Cómo extraer la URL absoluta de los enlaces HTML relativos usando Jsoup?

Question

Estoy usando Jsoup para extraer la URL de una página web. El atributo href de esas URLs son relativos como:

<a href="/text">example</a> 

Aquí es mi intento:

Document document = Jsoup.connect(url).get(); 
Elements results = document.select("div.results"); 
Elements dls = results.select("dl"); 
for (Element dl : dls) { 
    String url = dl.select("a").attr("href"); 
} 

Esto funciona bien, pero si uso

String url = dl.select("a").attr("abs:href"); 

Para obtener la URL absoluta como http://example.com/text, no está funcionando. ¿Cómo puedo obtener la URL absoluta?

Answer 1

Necesita Element#absUrl().

String url = dl.select("a").absUrl("href"); 

---

Puede por cierto acortar el selecto:

Document document = Jsoup.connect(url).get(); 
Elements links = document.select("div.results dl a"); 
for (Element link : links) { 
    String url = link.absUrl("href"); 
} 

Answer 2

String url = dl.select("a").absUrl("href");

no es correcta porque no regresará dl.select("a") un solo elemento, sino una colección. Que necesita para obtener los elementos por el índice

por ejemplo:

Elements elems = dl.select("a"); 
Element a1 = elems.get(0); //0 is the index first element increasing to (elems.size()-1) 
now you can do 
a1.absUrl("href"); 

Si está seguro de sólo un elemento será el resultado de la selecta anterior, o que el elemento que desee será la primera, se puede:

String url = dl.select("a").get(0).absUrl("href"); 

lo que también es igual a

String url = dl.select("a").first().absUrl("href"); 

no tiene por qué ser el fi primer elemento de todos modos, siempre puede reemplazar el 0 en String url = dl.select("a").get(0).absUrl("href"); con el índice de su elemento. O use una selección que sea más específica que solo dará como resultado un elemento.