python - 获取已保存网页的原始 URL

Question

我正在使用 Python 和 lxml 库来解析保存的网页。

已保存网页的 docinfo 显示已保存网页的磁盘位置。

storedHtmlDoc.docinfo.URL

有没有办法从保存的页面中提取原始 URl？

Answer 1

如果您自己没有将下载页面的 URL 存储在某个地方，那么您将无法使用它。

如果您可以控制下载过程，您可以将下载页面的 URL 放在页面的 META 标记中。