解析 HTML 以获取 Web 链接，某些链接在 URL 中显示 :80。这是为什么呢？

Question

我正在使用 JTidy 解析 HTML 页面以提取页面链接。我在几个网页上测试了它，其中之一是 www.support.xbox.com。某些链接在 URL 中显示 :80，例如

http://support.xbox.com:80/en-US/xbox-360/disc-drive/disc-replacement-program http://support.xbox.com:80/en-US/xbox-live/marketplace-and-purchasing/play-xbox-live-content http://support .xbox.com:80/en-US/games/call-of-duty/call-of-duty-elite-subscription

我认为 :80 表示正在使用的端口，但这是为什么呢？

不确定是否需要我的代码，但无论如何它都在这里！

package urltest;

import org.jsoup.Jsoup;
import org.jsoup.helper.Validate;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;
import org.jsoup.Connection;

public class UrlTest {

public static void main(String[] args) throws IOException {
    String url = "http://support.xbox.com";
    print("Fetching %s...", url);

    Document doc = Jsoup.connect(url).timeout(0).get();
    Elements links = doc.select("div#BodyContent a[href]");

    print("\nLinks: (%d)", links.size());
    for (Element link : links) {
        print("%s  (%s)", link.attr("abs:href"), trim(link.text(), 35));
    }
}

private static void print(String msg, Object... args) {
    System.out.println(String.format(msg, args));
}

private static String trim(String s, int width) {
    if (s.length() > width)
        return s.substring(0, width-1) + ".";
    else
        return s;
}
}

Answer 1

如果您在浏览器上输入

www.stackoverflow.com

或

www.stackoverflow.com:80

你会得到同样的结果。因为浏览器隐式地在所有代表http请求端口号的地址上添加:80。

现在为什么有的网站加了，有的没有，这取决于很多问题。但毕竟不会对你的程序产生任何影响

Answer 2

如果您注意到重定向标头：

HTTP/1.1 302 Moved Temporarily
Cache-Control: private
Location: http://support.xbox.com:80/en-US/
Server: Microsoft-IIS/7.0
X-AspNet-Version: 4.0.30319
X-Powered-By: ASP.NET
Content-Length: 0
Date: Sun, 08 Jan 2012 00:19:43 GMT
Connection: keep-alive

请注意 URL 中的 Location: 字段包含端口号。这就是为什么直接访问页面时得不到端口号，而通过重定向访问页面时却得到端口号的原因。

至于为什么该网站发出带有显式 :80 端口号的重定向（无论如何这应该是默认端口号），您必须询问网站所有者。