我使用HTMLUnit从Google购物结果中提取锚点类元素下的href属性。为了获得购物结果的所有URL的列表，我使用：
List<HtmlElement> urls = page.getByXPath("//a[contains(@class,'Lq5OHe eaGTj translate-content')]");
但其中一些链接被证明是错误的，或者更准确地说是扭曲的。例如：这是我应该根据我使用Inspect 看到的内容检索的链接
https://www.universitysupplystore.com/shop_product_detail.asp?catalog_group_id=MjE&catalog_group_name=VGlkZSBUZWNo&catalog_id＝599&catalog_name＝TWFjQm9vaw&pf_id＝202680&product_name=MTMtSW5jaCBNYWNib29rEFpciBBcHBsZSBNMiBDaGlwIFdpdGggOC1Db3JlIENwdSBBbmQgOC1Db3jlIEdwdS84R2IgVW5pZmllZCBNZW1vcnk&type＝1&target=shop_product_list.asp
但这就是刮刀得到的(不工作链接(
https://www.universitysupplystore.com/shop_product_detail.asp%3Fcatalog_group_id%3DMjE%26catalog_group_name%3DVGlkZSBUZWNo%26catalog_id%3D599%26catalog_name%3DTWFjQm9vaw%26pf_id%3D202680%26product_name%3DMTMtSW5jaCBNYWNib29rIEFpciBBcHBsZSBNMiBDaGlwIFdpdGggOC1Db3JlIENwdSBBbmQgOC1Db3JlIEdwdS84R2IgVW5pZmllZCBNZW1vcnk%26type%3D1%26target%3Dshop_product_list.asp&rct=j&q＝&esrc=s&sa＝U&ved=0ahUKEwjtzMqfoLD5AhVIBUQIHXbUBmoQ2SkIw4&usg=AOvVaw2Bom-oAHHYL7PLWixFHes
这是我点击"时的href链接；编辑为HTML"；在"检查"之后的"图元"选项卡上(不工作链接(https://www.universitysupplystore.com/shop_product_detail.asp%3Fcatalog_group_id%3DMjE%26catalog_group_name%3DVGlkZSBUZWNo%26catalog_id%3D599%26catalog_name%3DTWFjQm9vaw%26pf_id%3D202680%26product_name%3DMTMtSW5jaCBNYWNib29rIEFpciBBcHBsZSBNMiBDaGlwIFdpdGggOC1Db3JlIENwdSBBbmQgOC1Db3JlIEdwdS84R2IgVW5pZmllZCBNZW1vcnk%26type%3D1%26target%3Dshop_product_list.asp&rct=j&q＝&esrc=s&sa＝U&ved=0ahUKEwiDjOz0oLD5AhU2KkQIHdZJDjAQ2SkIjxY&usg=AOvVaw0l1Boo5XTmiOrL3GU8XMuq
我的观察是，它在原始链接中添加了不同的字符，如%。我的目标是提取这个原始链接。我该怎么做？
您在这里面临的或多或少是URL编码(https://en.wikipedia.org/wiki/Percent-encoding)。
请澄清你所说的"无效链接"是什么意思。您尝试如何处理URL？