Python如何清理收藏夾里已失效的網(wǎng)站

Python如何清理收藏夾里已失效的網(wǎng)站，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

失效的書簽們

我們日常瀏覽網(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(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(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，這個導出的收藏夾可以抽象的分成

• 結構代碼

• 保存網(wǎng)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(wǎng)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(shù)，每行讀取，單獨判斷。

正則匹配

pattern=r'HREF="(.*?)".*?>(.*?)</A>'whilelen(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

importrequestsr=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：

whilelen(booklists)>0:bookmark=booklists.pop(0)detail=re.search(pattern,bookmark)ifdetail:#print(detail.group(1)+"----"+detail.group(2))try:#訪問r=requests.get(detail.group(1),timeout=500)#如果可則添加ifr.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(zhí)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(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，Python 的確可以讓生活更高效~

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業(yè)資訊頻道，感謝您對億速云的支持。