使用 Python 清理收藏夾里已失效的網(wǎng)站
失效的書簽們
我們?nèi)粘g覽網(wǎng)站的時候，時不時會遇到些新奇的東西（ 你懂的.jpg ），于是我們就默默的點了個收藏或者加書簽。然而當(dāng)我們面對成百上千的書簽和收藏夾的時候，總會頭疼不已……
尤其是昨天還在更新的程序設(shè)計博客，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，并且需要手動刪除，這能是一個程序員干的事情嗎？
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，主要還是因為收藏夾藏在瀏覽器里面，我們只能手動導(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，其中有兩個子串。 提取出來再挨個訪問，看看哪個失效了，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()
因為對于前端的不熟悉，這個導(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，要原封不動的保留，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，不然程序會停止運行。
添加邏輯后： （代碼可左右拖動）
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 ) + '錯誤碼 ' +str(r.status_code)) else : print( "其他原因 保留：" + detail. group ( 1 )+ " " + detail. group ( 2 ) + '錯誤碼 ' +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
實際應(yīng)用于我的瀏覽器
確實有很多電影網(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，小編會及時回復(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！
相關(guān)文章
本文主要介紹了Python彈球小游戲的項目代碼，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
Python解決“ImportError:?Couldn‘t?import?Django”問題全攻略
本文主要介紹了Python解決“ImportError:?Couldn‘t?import?Django”問題全攻略,具有一定的參考價值,感興趣的可以了解一下2025-03-03
這篇文章主要介紹了Python中的main函數(shù)與import用法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-11-11
python redis 批量設(shè)置過期key過程解析
這篇文章主要介紹了python redis 批量設(shè)置過期key過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-11-11
Python腳本實現(xiàn)datax全量同步mysql到hive
這篇文章主要和大家分享一下mysql全量同步到hive自動生成json文件的python腳本,文中的示例代碼講解詳細(xì),有需要的小伙伴可以參加一下2024-10-10
python編程學(xué)習(xí)使用管道Pipe編寫優(yōu)化代碼
大家好，今天這篇文章我將詳細(xì)講解 Pipe 如何讓你的代碼更加簡潔的方法，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
jupyter?notebook?中使用ipython?魔法指令的詳細(xì)過程
在?Jupyter?Notebook?中,IPython?魔法指令為數(shù)據(jù)分析和探索提供了很多便利,這篇文章主要介紹了jupyter?notebook?中使用ipython?魔法指令的詳細(xì)過程,需要的朋友可以參考下2024-06-06
python如何將多個模型的ROC曲線繪制在一張圖(含圖例)
這篇文章主要給大家介紹了關(guān)于python如何將多個模型的ROC曲線繪制在一張圖的相關(guān)資料,文中通過實例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2022-02-02
在本篇文章里小編給大家整理的是一篇關(guān)于python中pyqtgraph知識點總結(jié)內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2021-01-01
今天小編就為大家分享一篇在Python中過濾Windows文件名中的非法字符方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06