网页内的链接地址全部改成绝对地址，要求适应性强

Question

做了个网页资源采集器，现在已能获得要采集的页面源码，但是图片等链接不可得，因为图片链接基本是相对路径，要改为绝对路径才可使用，有网上介绍使用<base>，这个方法对一个页面上同时有如src="k/band/1.gif"，src="/k/band/1.gif"之类的行不通。<base>不可能同时使用网站根目录和网页当前路径。
有高人指点一下。

Answer 1

最理想的是使用 <base ...>如果行不通，可以部分解析为绝对路径(以协议打头的，比如：http://)完整的解析你需要：
一、解析出网页的标准路径：到url最后的一个路径分隔符 “/”二、根据标准路径，解析替换所有的资源链接（href,src)
1、协议开头的，不需要处理
2、“/”开头的，在前面加上根路径
3、“../”开头的，替换为父路径
4、“./”开头的，替换为标准路径
5、其它情形（相对路径），在前面加上标准路径

Answer 2

采集到代码后,在src="后面补权全路径 在保存下来,比如 src="http://www.sina.com/k/band/1.gif"

Answer 3

有时会遇到这样的地址：http://blog.csdn.net/windflow,情况复杂啊