urllib.parse.urljoin 是 Python 标准库 urllib.parse 模块中的一个非常有用的函数，它的核心作用是将一个相对 URL（relative URL）与一个基础 URL（base URL）拼接起来，生成一个完整的、绝对 URL。

它解决了在网页开发、爬虫等场景中，处理各种链接路径的烦恼。

核心功能：智能拼接

想象一下,你在浏览一个网站，页面上有一个链接 /about，这个链接是相对于你当前正在访问的页面的，如果你当前在 https://www.example.com/index.html，/about 指向的就是 https://www.example.com/about，如果当前在 https://www.example.com/blog/2025/post.html，/about 指向的仍然是 https://www.example.com/about。

urljoin 就能智能地处理这些情况，它不是简单地用字符串拼接，而是遵循 URL 的标准规范。

语法

from urllib.parse import urljoin
urllib.parse.urljoin(base_url, relative_url)

• base_url: 基础 URL，通常是当前页面的 URL。
• relative_url: 需要拼接的相对 URL，可以是路径、也可以是另一个完整的 URL。

详细示例与行为解析

让我们通过一系列例子来彻底理解它的行为,假设我们的 base_url 是 https://www.example.com/base/page.html。

情况1：相对路径

这是最常见的用法。

from urllib.parse import urljoin
base = "https://www.example.com/base/page.html"
print(urljoin(base, "about.html"))        # 输出: https://www.example.com/base/about.html
print(urljoin(base, "contact/"))          # 输出: https://www.example.com/base/contact/
print(urljoin(base, "images/logo.png"))   # 输出: https://www.example.com/base/images/logo.png

解析：当相对 URL 以 开头（或者在 base_url 的路径后面拼接）时，它被视为相对于 base_url 的路径。

情况2：以 开头的路径（返回上一级目录）

from urllib.parse import urljoin
base = "https://www.example.com/base/page.html"
print(urljoin(base, "../index.html"))      # 输出: https://www.example.com/index.html
print(urljoin(base, "../../css/style.css")) # 输出: https://www.example.com/css/style.css
print(urljoin(base, "../about/"))          # 输出: https://www.example.com/about/

解析： 会让路径返回上一级目录。urljoin 会正确地处理这种层级关系。

情况3：以 开头的绝对路径

这会覆盖掉 base_url 的路径部分。

from urllib.parse import urljoin
base = "https://www.example.com/base/page.html"
print(urljoin(base, "/about.html"))         # 输出: https://www.example.com/about.html
print(urljoin(base, "/api/v1/users"))      # 输出: https://www.example.com/api/v1/users

解析：当相对 URL 以 开头时，它被认为是网站根目录下的绝对路径，base_url 的 /base/ 部分被完全替换。

情况4：完整的 URL（包含协议和域名）

relative_url 本身就是一个完整的绝对 URL，base_url 会被完全忽略。

from urllib.parse import urljoin
base = "https://www.example.com/base/page.html"
print(urljoin(base, "https://another-site.com/other-page")) # 输出: https://another-site.com/other-page
print(urljoin(base, "ftp://files.example.com/data.zip"))     # 输出: ftp://files.example.com/data.zip

解析：urljoin 会检查 relative_url 是否包含 scheme（如 http, https, ftp）或 netloc（域名），如果包含，就直接返回 relative_url 本身。

情况5：处理查询参数和片段

from urllib.parse import urljoin
base = "https://www.example.com/base/page.html?user=123#section1"
# 相对 URL 的查询参数会覆盖 base 的
print(urljoin(base, "?lang=en"))          # 输出: https://www.example.com/base/page.html?lang=en
# 相对 URL 的片段 会覆盖 base 的
print(urljoin(base, "#section2"))         # 输出: https://www.example.com/base/page.html#section2
# 同时提供路径和查询参数
print(urljoin(base, "new.html?active=true")) # 输出: https://www.example.com/base/new.html?active=true

解析：查询参数（之后）和片段（之后）的处理逻辑是：relative_url 中有，则覆盖 base_url 中的对应部分。

为什么不直接用字符串拼接（）？

这是一个非常关键的问题,直接使用字符串拼接很容易出错，尤其是在处理 的时候。

错误示范：

base_url = "https://www.example.com/base/page.html"
relative_path = "../index.html"
# 错误的拼接方式
wrong_url = base_url + relative_path
print(wrong_url)
# 输出: https://www.example.com/base/page.html../index.html  (这是一个无效的URL!)

而 urljoin 能正确处理：

from urllib.parse import urljoin
correct_url = urljoin(base_url, relative_path)
print(correct_url)
# 输出: https://www.example.com/index.html (这才是正确的!)

主要应用场景

1. 网络爬虫： 当你解析一个网页时，会找到 <a href="...">, <img src="...">, <link href="..."> 等标签，它们的 href 或 src 属性通常是相对路径，你需要用 urljoin 将它们转换成完整的 URL 才能进行下一步的请求。

2. 网站开发（后端）： 在模板引擎（如 Jinja2）中，处理页面内的链接时，urljoin 可以确保链接始终指向正确的位置，无论当前页面的 URL 深度如何。

3. 处理 API 响应： 某些 API 的响应中可能会返回一个 next_page 字段，其值可能是一个相对 URL，在循环获取下一页数据时，需要用 urljoin 来构建完整的请求地址。

urljoin 的黄金法则：用它来处理所有来自外部或不确定来源的 URL 片段，永远不要自己用字符串拼接来构造 URL，这能让你写出更健壮、更可靠的代码。