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
Python 的描述符 descriptor详解
Feb 27 Python
python安装mysql-python简明笔记(ubuntu环境)
Jun 25 Python
TensorFlow saver指定变量的存取
Mar 10 Python
对Python中type打开文件的方式介绍
Apr 28 Python
Django 使用Ajax进行前后台交互的示例讲解
May 28 Python
python numpy元素的区间查找方法
Nov 14 Python
Python弹出输入框并获取输入值的实例
Jun 18 Python
pygame实现成语填空游戏
Oct 29 Python
wxPython实现分隔窗口
Nov 19 Python
Matplotlib使用Cursor实现UI定位的示例代码
Mar 12 Python
pycharm的python_stubs问题
Apr 08 Python
Python3自动生成MySQL数据字典的markdown文本的实现
May 07 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
生成sessionid和随机密码的例子
2006/10/09 PHP
PHP网页游戏学习之Xnova(ogame)源码解读(三)
2014/06/23 PHP
学习YUI.Ext基础第一天
2007/03/10 Javascript
javascript定时保存表单数据的代码
2011/03/17 Javascript
解析window.open的使用方法总结
2013/06/19 Javascript
JavaScript字符串插入、删除、替换函数使用示例
2013/07/25 Javascript
浏览器的JavaScript引擎的识别方法
2013/10/20 Javascript
jquery对单选框,多选框,文本框等常见操作小结
2014/01/08 Javascript
JavaScript获取当前页面上的指定对象示例代码
2014/02/28 Javascript
axios基本入门用法教程
2017/03/25 Javascript
JQuery form表单提交前验证单选框是否选中、删除记录时验证经验总结(整理)
2017/06/09 jQuery
JS中的事件委托实例浅析
2018/03/22 Javascript
bootstrap table.js动态填充单元格数据的多种方法
2019/07/18 Javascript
vue 实现tab切换保持数据状态
2020/07/21 Javascript
在js文件中引入(调用)另一个js文件的三种方法
2020/09/11 Javascript
[00:17]天涯墨客一技能展示
2018/08/25 DOTA
python实现猜数字游戏(无重复数字)示例分享
2014/03/29 Python
简单实现python收发邮件功能
2018/01/05 Python
TensorFlow实现AutoEncoder自编码器
2018/03/09 Python
matplotlib 纵坐标轴显示数据值的实例
2018/05/25 Python
Django保护敏感信息的方法示例
2019/05/09 Python
Python实现基于socket的udp传输与接收功能详解
2019/11/15 Python
施华洛世奇加拿大官网:SWAROVSKI加拿大
2018/06/03 全球购物
英国工作场所设备购买网站:Slingsby
2019/05/03 全球购物
仓库管理专业个人自我评价范文
2013/11/11 职场文书
大学生找工作推荐信范文
2013/11/28 职场文书
配件采购员岗位职责
2013/12/03 职场文书
采购主管岗位职责
2014/02/01 职场文书
船舶工程技术专业求职信
2014/08/07 职场文书
工程索赔意向书
2014/08/30 职场文书
房屋租赁授权委托书范本
2014/09/20 职场文书
民政局离婚协议书范本
2014/10/20 职场文书
2015年城管个人工作总结范文
2015/04/20 职场文书
大队委员竞选演讲稿
2015/11/20 职场文书
详解OpenCV获取高动态范围(HDR)成像
2022/04/29 Python
vue中data里面的数据相互使用方式
2022/06/05 Vue.js