失效的書簽們

我們日常瀏覽網站的時候，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計博客，今天就掛了永不更新。或者是昨天看的起勁的電影網站，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瀏覽器還是國內瀏覽器，最多也就提供一個對于收藏夾的備份服務，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，我們只能手動導出htm文件進行管理

內容比較簡單，對前端沒什么了解的我，也可以很明顯看出其中的樹形結構和內在邏輯。

固定格式 網址 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，這個導出的收藏夾可以抽象的分成

• 結構代碼

• 保存網頁書簽的關鍵代碼

其中結構代碼我們不能動，要原封不動的保留，而保存網頁書簽的關鍵代碼，我們要提取內容并且進行判斷保留和刪除。

所以這里采用readlines函數，每行讀取，單獨判斷。

正則匹配

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

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

而如果是結構代碼：detail == None

訪問頁面

import?requests

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

編代碼嘗試之后發現會有這四種情況

• 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，細節不值得大費周章，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:
????bookmark?=?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:#沒匹配到是結構語句
????????new_lists.append(bookmark)

程序執行情況

導出htm

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

導入瀏覽器

實際應用于我的瀏覽器

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

最后本文完整代碼已上傳分享，可以在公眾號「小詹學Python」后臺回復關鍵詞「20190908」獲取。

推薦閱讀：（點擊下方標題即可跳轉）

騷操作 ！用 Python 偷偷抓取女朋友的行蹤

我在 GitHub 上看到了一個喪心病狂的開源項目！

騷操作 ！用 Python 自動下載抖音美麗小姐姐

??長按 2 秒關注「 小詹學Python 」

總結

以上是生活随笔為你收集整理的骚操作！曾经爱过！用 Python 清理收藏夹里已失效的网站的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。