溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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
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="(.*?)" rel="external nofollow" .*?>(.*?)</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: = 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，P ython 的確可以讓生活更高效~
總結
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，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
