骚操作!曾经爱过!用 Python 清理收藏夹里已失效的网站
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( 你懂的.jpg ),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……
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。
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
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="(.*?)" .*?>(.*?)</A>'
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
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
实际应用于我的浏览器
确实有很多电影网都失效了,通过Python能够一键清理其中无法访问的书签。人生苦短,Python 的确可以让生活更高效~
最后本文完整代码已上传分享,可以在公众号「小詹学Python」后台回复关键词「20190908」获取。
推荐阅读:(点击下方标题即可跳转)
骚操作 !用 Python 偷偷抓取女朋友的行踪
我在 GitHub 上看到了一个丧心病狂的开源项目!
骚操作 !用 Python 自动下载抖音美丽小姐姐
⬆️长按 2 秒关注「 小詹学Python 」
骚操作!曾经爱过!用 Python 清理收藏夹里已失效的网站相关推荐
- 用Python清理收藏夹里已失效的网站,快测试一下你的收藏夹吧
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 ...
- python获取文件夹里有什么文件+查看特定格式的文件
python获取文件夹里有什么文件+查看特定格式的文件 功能 程序 效果 后续 功能 获取文件夹的的文件+获取文件夹里的特定格式的文件,比如.png等 程序 import os folder = r& ...
- 【你不知道的骚操作】一行代码将Python程序转换为图形界面应用
AI派在读学生小姐姐Beyonce Java实战项目练习群 长按识别下方二维码,按需求添加 扫码添加Beyonce小姐姐 扫码关注 进Java学习大礼包 Gooey项目支持用一行代码将(几乎)任何Py ...
- SqlServer骚操作,不积硅步无以至千里
1. 类型转换方法1:Convert(目标类型,待转换的字段,格式) 2. 类型转换方法2:Cast(待转换的字段 as 目标类型) 3. 日期增加:DateAdd(日期的年/月/日...,增加的数值 ...
- 清理收藏夹中的json
1.json的字符串与对象转换 $.parseJson(str)与JSON.parse(str) 返回值是true.另:json对象和字符串的相互转换 JSON.stringify(obj) 将JSO ...
- python对文件夹里所有压缩文件zip解压
python批量解压zip文件 一堆压缩文件,手动解压效率非常低 #coding=utf-8 import os,sys import zipfile open_path=r'E:\data\6104 ...
- Python资料收藏夹
1.<Python爬虫学习系列教程>学习笔记 (点击进入) 2.Python神经网络视频教程(点击进入)
- 快速清理项目文件夹里的svn目录和文件
毕业4年了,第一次写博客,感觉有点晚,特开此博客记录工作以及学习上的问题,方便自己,也方便他人. 前言 我们直接从IDE里拷贝出代码,里面有大量的无用的svn目录,怎么快速清理这些svn目录. 第一步 ...
- 使用python对文件夹里的所有表格合并且去重
有的时候,我们需要将多张表格合并并去重 假如,我们需要将存放在E盘中table文件夹里的三张表格table01.xlsx,table02.xlsx,table03.xlsx合并并去重到文件merge_ ...
最新文章
- PHP问题 —— 丢失SESSION
- python 分词工具训练_中文分词入门和分词工具汇总攻略
- 页面事务处理 ContextUtil.SetComplete(); 没有 MTS 对象上下文
- 数据库-数据库的备份与恢复
- 组织配置java项目的外部lib包
- python彩票结果分析_即将放弃Python 2.7的不止有Numpy,还有pandas和这些工具
- nexus3下载地址
- mysql 授权指定库,mysql创建新用户并给授权指定的数据库权限
- 可重复使用的外科缝合器行业调研报告 - 市场现状分析与发展前景预测
- 大型项目linux自动化版本发布脚本(shell)之tomcat、nginx服务脚本
- 1-关于单片机通信数据传输(中断发送,大小端,IEEE754浮点型格式,共用体,空闲中断,环形队列)...
- oracle中master实例,oracle数据库加密--wallet 实例
- 北京市密云区谷歌卫星地图下载
- [渝粤教育] 无锡商业职业技术学院 商务礼仪 参考 资料
- 有鱼上钩!修改游戏数据前的准备
- Miktex 修改经验
- 今年巴菲特的午餐上,躺着流血的地产商
- 仿真软件算法(MOM/FDTD/FEM/BEM/FDID)
- 中兴力维动环监控_中兴力维传统动环监控系统解决方案
- UE4-(光照)光照贴图大小及环境光遮蔽
热门文章
- php实现多进程、多线程
- 关于海量数据查找排序问题
- Linux的网络类型
- mac java sh_怎么在Mac上下载java?
- mysql 多表查询 优化_Mysql 多表联合查询效率分析及优化
- 的训练过程_最全深度学习训练过程可视化工具(附github源码)
- 检测到磁盘可能为uefi引导_Win10创意者无法更新提示“磁盘布局不受uefi固件支持”怎么办?...
- linux mail命令查看邮件/mail控制台
- Spring cloud整合zookeeper
- aix卸载java,AIX系统学习之--卸载软件错误