如何从HTML代码中正确提取URL？

从HTML代码中正确提取URL可以通过以下步骤实现：

解析HTML代码：使用HTML解析器（如BeautifulSoup、jsoup等）将HTML代码解析为DOM树结构，以便后续操作。
定位URL元素：根据HTML标签和属性的特征，定位包含URL的元素。常见的URL元素包括<a>标签的href属性、<img>标签的src属性等。
提取URL：根据定位到的URL元素，提取其中的URL信息。可以通过DOM树的节点操作或正则表达式匹配等方式提取URL。
处理相对路径：如果提取到的URL是相对路径，需要根据当前页面的URL或基准URL进行拼接，得到完整的URL。
验证URL有效性（可选）：可以使用网络请求库（如requests、curl等）发送HTTP请求，验证提取到的URL是否有效。

以下是一个示例代码，使用Python和BeautifulSoup库从HTML代码中提取URL的方法：

from bs4 import BeautifulSoup
import requests

def extract_urls_from_html(html):
    urls = []
    soup = BeautifulSoup(html, 'html.parser')
    
    # 提取<a>标签中的URL
    for a_tag in soup.find_all('a'):
        url = a_tag.get('href')
        if url:
            urls.append(url)
    
    # 提取<img>标签中的URL
    for img_tag in soup.find_all('img'):
        url = img_tag.get('src')
        if url:
            urls.append(url)
    
    # 处理相对路径
    base_url = 'http://example.com'  # 假设当前页面的URL或基准URL
    urls = [base_url + url if not url.startswith('http') else url for url in urls]
    
    # 验证URL有效性（可选）
    valid_urls = []
    for url in urls:
        response = requests.head(url)
        if response.status_code == 200:
            valid_urls.append(url)
    
    return valid_urls

# 示例用法
html_code = '''
<html>
<body>
    <a href="https://www.example.com">Example Website</a>
    <img src="/images/logo.png">
</body>
</html>
'''

urls = extract_urls_from_html(html_code)
print(urls)

这个方法通过解析HTML代码，定位并提取<a>标签和<img>标签中的URL，处理相对路径，并可选地验证URL的有效性。对于提取到的URL，可以根据实际需求进行进一步处理或使用。