失效的書簽們

我們?nèi)粘g覽網(wǎng)站的時(shí)候，時(shí)不時(shí)會(huì)遇到些新奇的東西（ 你懂的.jpg ），于是我們就默默的點(diǎn)了個(gè)收藏或者加書簽。然而當(dāng)我們面對成百上千的書簽和收藏夾的時(shí)候，總會(huì)頭疼不已……

尤其是昨天還在更新的程序設(shè)計(jì)博客，今天就掛了永不更新?；蛘呤亲蛱炜吹钠饎诺碾娪熬W(wǎng)站，今天直接404。失效頁面這么多，每次我打開才知道失效了，并且需要手動(dòng)刪除，這能是一個(gè)程序員干的事情嗎？

可是無論是Google瀏覽器還是國內(nèi)瀏覽器，最多也就提供一個(gè)對于收藏夾的備份服務(wù)，那只能Python走起了。

Python支持的收藏夾文件格式

對于收藏夾提供的支持很少，主要還是因?yàn)槭詹貖A藏在瀏覽器里面，我們只能手動(dòng)導(dǎo)出htm文件進(jìn)行管理

內(nèi)容比較簡單，對前端沒什么了解的我，也可以很明顯看出其中的樹形結(jié)構(gòu)和內(nèi)在邏輯。

固定格式 網(wǎng)址 固定格式 頁面名 固定格式

很簡單的想到了正則匹配，其中有兩個(gè)子串。 提取出來再挨個(gè)訪問，看看哪個(gè)失效了，就刪除，就能獲得清理后的收藏夾了。

讀取收藏夾文件

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?yàn)閷τ谇岸说牟皇煜?，這個(gè)導(dǎo)出的收藏夾可以抽象的分成

• 結(jié)構(gòu)代碼
• 保存網(wǎng)頁書簽的關(guān)鍵代碼

其中結(jié)構(gòu)代碼我們不能動(dòng)，要原封不動(dòng)的保留，而保存網(wǎng)頁書簽的關(guān)鍵代碼，我們要提取內(nèi)容并且進(jìn)行判斷保留和刪除。

所以這里采用readlines函數(shù)，每行讀取，單獨(dú)判斷。

正則匹配

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

如果是關(guān)鍵代碼：提取出的子串在 detail.group(1) 和 detail.group(2) 里面

而如果是結(jié)構(gòu)代碼：detail == None

訪問頁面

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

編代碼嘗試之后發(fā)現(xiàn)會(huì)有這四種情況

r.status_code == requests.codes.ok
r.status_code==404
r.status_code!=404 && 無法訪問 （可能是屏蔽爬蟲，建議保留）
requests.exceptions.ConnectionError

類似知乎、簡書基本都反爬了，所以簡單的get還不能有效訪問，細(xì)節(jié)不值得大費(fèi)周章，直接保留就好。 而error，直接用try拋出異常就好，不然程序會(huì)停止運(yùn)行。

添加邏輯后： （代碼可左右拖動(dòng)）

while len ( booklists )>0:
= booklists.pop( 0 )
detail = re.search(pattern, bookmark)
if detail:
#print(detail.group(1) +"----"+ detail.group(2))
try :
#訪問
r = requests. get (detail. group ( 1 ),timeout= 500 )
#如果可則添加
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( "不可訪問 刪除：" + detail. group ( 1 )+ "  " + detail. group ( 2 ) + '錯(cuò)誤碼 ' +str(r.status_code))
else :
print( "其他原因 保留：" + detail. group ( 1 )+ "  " + detail. group ( 2 ) + '錯(cuò)誤碼 ' +str(r.status_code))
new_lists.append(bookmark)
except:
print( "不可訪問 刪除：" + detail. group ( 1 )+ "  " + detail. group ( 2 ))
#new_lists.append(bookmark)
else : #沒匹配到是結(jié)構(gòu)語句
new_lists.append(bookmark)

程序執(zhí)行情況

導(dǎo)出htm

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

導(dǎo)入瀏覽器

實(shí)際應(yīng)用于我的瀏覽器

確實(shí)有很多電影網(wǎng)都失效了，通過Python能夠一鍵清理其中無法訪問的書簽。人生苦短，P ython 的確可以讓生活更高效~

總結(jié)

以上所述是小編給大家介紹的使用 Python 清理收藏夾里已失效的網(wǎng)站，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！

最新評論