怎么用Python清理收藏夹里已失效的网站-创新互联

这篇文章主要介绍“怎么用Python清理收藏夹里已失效的网站”,在日常操作中,相信很多人在怎么用Python清理收藏夹里已失效的网站问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”怎么用Python清理收藏夹里已失效的网站”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

成都创新互联公司服务项目包括忠县网站建设、忠县网站制作、忠县网页制作以及忠县网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,忠县网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到忠县省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!

最近打开好多以前收藏的网站,发现好多都已经失效了,好多以前想看还没来得及看的内容,也找不见了。。。

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,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……

怎么用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。

怎么用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

怎么用Python清理收藏夹里已失效的网站

怎么用Python清理收藏夹里已失效的网站

怎么用Python清理收藏夹里已失效的网站

怎么用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="(.*?)" .*?>(.*?)'
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:
 bookmark = 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

怎么用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

怎么用Python清理收藏夹里已失效的网站

实际应用于我的浏览器

怎么用Python清理收藏夹里已失效的网站

到此,关于“怎么用Python清理收藏夹里已失效的网站”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联-成都网站建设公司网站,小编会继续努力为大家带来更多实用的文章!


新闻标题:怎么用Python清理收藏夹里已失效的网站-创新互联
本文链接:http://scyanting.com/article/dcipdd.html