1. 首页
  2. IT资讯

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

最近打开好多以前收藏的网站,发现好多都已经失效了,好多以前想看还没来得及看的内容,也找不见了。。。

失效的书签们

我们日常浏览网站的时候,时不时会遇到些新奇的东西,于是我们就默默的点了个收藏或者加书签。然而当我们面对成百上千的书签和收藏夹的时候,总会头疼不已……

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

尤其是昨天还在更新的程序设计博客,今天就挂了永不更新。或者是昨天看的起劲的电影网站,今天直接404。失效页面这么多,每次我打开才知道失效了,并且需要手动删除,这能是一个程序员干的事情吗?

可是无论是Google浏览器还是国内浏览器,最多也就提供一个对于收藏夹的备份服务,那只能Python走起了。

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

Python支持的收藏夹文件格式

对于收藏夹提供的支持很少,主要还是因为收藏夹藏在浏览器里面,我们只能手动导出htm文件进行管理

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

内容比较简单,对前端没什么了解的我,也可以很明显看出其中的树形结构和内在逻辑。

固定格式 网址 固定格式 页面名 固定格式

很简单的想到了正则匹配,其中有两个子串。提取出来再挨个访问,看看哪个失效了,就删除,就能获得清理后的收藏夹了。

读取收藏夹文件

path = "C:\Users\XU\Desktop"  fname = "bookmarks.html"  os.chdir(path)  bookmarks_f = open(fname, "r+" ,encoding='UTF-8')  booklists = bookmarks_f.readlines()  bookmarks_f.close()

因为对于前端的不熟悉,这个导出的收藏夹可以抽象的分成

  • 结构代码
  • 保存网页书签的关键代码

其中结构代码我们不能动,要原封不动的保留,而保存网页书签的关键代码,我们要提取内容并且进行判断保留和删除。

所以这里采用readlines函数,每行读取,单独判断。

正则匹配

pattern = r'HREF="(.*?)" .*?>(.*?)</A>'  while len(booklists)>0:   bookmark = booklists.pop(0)   detail = re.search(pattern, bookmark)

如果是关键代码:提取出的子串在 detail.group(1) 和 detail.group(2) 里面

而如果是结构代码:detail == None

访问页面

import requests  r = requests.get(detail.group(1),timeout=500)

编代码尝试之后发现会有这四种情况

  • r.status_code == requests.codes.ok
  • r.status_code==404
  • r.status_code!=404 && 无法访问 (可能是屏蔽爬虫,建议保留)
  • requests.exceptions.ConnectionError

类似知乎、简书基本都反爬了,所以简单的get还不能有效访问,细节不值得大费周章,直接保留就好。而error,直接用try抛出异常就好,不然程序会停止运行。

添加逻辑后:(代码可左右拖动)

while len(booklists)>0:   bookmark = booklists.pop(0)   detail = re.search(pattern, bookmark)   if detail:   #print(detail.group(1) +"----"+ detail.group(2))   try:   #访问   r = requests.get(detail.group(1),timeout=500)   #如果可则添加   if r.status_code == requests.codes.ok:   new_lists.append(bookmark)   print( "ok------ 保留:"+ detail.group(1)+" "+ detail.group(2))   else:   if(r.status_code==404):   print("不可访问 删除:"+ detail.group(1)+" "+ detail.group(2) +'错误码 '+str(r.status_code))   else:   print("其他原因 保留:"+ detail.group(1)+" "+ detail.group(2) +'错误码 '+str(r.status_code))   new_lists.append(bookmark)   except:   print( "不可访问 删除:"+ detail.group(1)+" "+ detail.group(2))   #new_lists.append(bookmark)   else:#没匹配到是结构语句   new_lists.append(bookmark)

程序执行情况

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

导出htm

bookmarks_f = open('new_'+fname, "w+" ,encoding='UTF-8')  bookmarks_f.writelines(new_lists)  bookmarks_f.close()

导入浏览器

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

实际应用于我的浏览器

用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧

赶紧测试一下,你的哪些收藏网页是失效的,用Python清理,了解一下?

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69923331/viewspace-2656503/,如需转载,请注明出处,否则将追究法律责任。

主题测试文章,只做测试使用。发布者:℅傍ㄖ免沦陷dε鬼,转转请注明出处:http://www.cxybcw.com/193092.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code