使用 Python 清理收藏夹里已失效的网站


Posted in Python onDecember 03, 2019

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( 你懂的.jpg ),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……

使用 Python 清理收藏夹里已失效的网站

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。

使用 Python 清理收藏夹里已失效的网站

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

使用 Python 清理收藏夹里已失效的网站

使用 Python 清理收藏夹里已失效的网站

使用 Python 清理收藏夹里已失效的网站

使用 Python 清理收藏夹里已失效的网站

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="(.*?)" rel="external nofollow" .*?>(.*?)</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:
= 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

使用 Python 清理收藏夹里已失效的网站

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

使用 Python 清理收藏夹里已失效的网站

实际应用于我的浏览器

使用 Python 清理收藏夹里已失效的网站

确实有很多电影网都失效了,通过Python能够一键清理其中无法访问的书签。人生苦短,P ython 的确可以让生活更高效~

总结

以上所述是小编给大家介绍的使用 Python 清理收藏夹里已失效的网站,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

Python 相关文章推荐
更改Python命令行交互提示符的方法
Jan 14 Python
Python正则表达式知识汇总
Sep 22 Python
python之Character string(实例讲解)
Sep 25 Python
详解Python中的动态属性和特性
Apr 07 Python
python 字符串和整数的转换方法
Jun 25 Python
pandas 空的dataframe 插入列名的示例
Oct 30 Python
python 叠加等边三角形的绘制的实现
Aug 14 Python
python jenkins 打包构建代码的示例代码
Nov 29 Python
python实现飞机大战项目
Mar 11 Python
python属于跨平台语言码
Jun 09 Python
Python celery原理及运行流程解析
Jun 13 Python
Python实现封装打包自己写的代码,被python import
Jul 12 Python
Python常用模块os.path之文件及路径操作方法
Dec 03 #Python
Python中顺序表原理与实现方法详解
Dec 03 #Python
python双向链表原理与实现方法详解
Dec 03 #Python
Python读取实时数据流示例
Dec 02 #Python
简单了解python元组tuple相关原理
Dec 02 #Python
python实现智能语音天气预报
Dec 02 #Python
Python:二维列表下标互换方式(矩阵转置)
Dec 02 #Python
You might like
javascript 隔行换色函数代码
2010/10/24 Javascript
js 单击式的下拉菜单效果实例
2013/08/13 Javascript
javascript中clone对象详解
2014/12/03 Javascript
Sublime Text 3常用插件及安装方法
2015/12/16 Javascript
JavaScript焦点事件、鼠标事件和滚轮事件使用详解
2016/01/15 Javascript
基于JS实现省市联动效果代码分享
2016/06/06 Javascript
JS实现浏览器打印、打印预览示例
2017/02/28 Javascript
jQuery开源组件BootstrapValidator使用详解
2017/06/29 jQuery
vue实现留言板todolist功能
2017/08/16 Javascript
Vue异步加载about组件
2017/10/31 Javascript
解决Angular2 router.navigate刷新页面的问题
2018/08/31 Javascript
工作中常用到的ES6语法
2018/09/04 Javascript
Vue.js 时间转换代码及时间戳转时间字符串
2018/10/16 Javascript
NestJs 静态目录配置详解
2019/03/12 Javascript
浅谈JavaScript中this的指向问题
2020/07/28 Javascript
vue 动态创建组件的两种方法
2020/12/31 Vue.js
[36:17]DOTA2上海特级锦标赛 - VGL音乐会全集
2016/03/06 DOTA
django模型中的字段和model名显示为中文小技巧分享
2014/11/18 Python
简单解析Django框架中的表单验证
2015/07/17 Python
在主机商的共享服务器上部署Django站点的方法
2015/07/22 Python
一篇文章入门Python生态系统(Python新手入门指导)
2015/12/11 Python
Python利用Beautiful Soup模块修改内容方法示例
2017/03/27 Python
Linux RedHat下安装Python2.7开发环境
2017/05/20 Python
Django Rest framework三种分页方式详解
2019/07/26 Python
django 多对多表的创建和插入代码实现
2019/09/09 Python
HTML5新增属性data-*和js/jquery之间的交互及注意事项
2017/08/08 HTML / CSS
Reebok官方旗舰店:美国知名健身品牌锐步
2019/01/07 全球购物
strlen的几种不同实现方法
2013/05/31 面试题
实习教师自我鉴定
2013/12/12 职场文书
大学生职业规划范文:象牙塔生活的四年计划
2014/01/14 职场文书
公司联欢会策划方案
2014/05/19 职场文书
2014年医药代表工作总结
2014/11/22 职场文书
幼师大班个人总结
2015/02/13 职场文书
2015年度高中教师工作总结
2015/05/26 职场文书
在 Golang 中实现 Cache::remember 方法详解
2021/03/30 Python
SQL实现LeetCode(197.上升温度)
2021/08/07 MySQL