怎么用Python清理收藏夾里已失效的網站

這篇文章主要介紹“怎么用Python清理收藏夾里已失效的網站”，在日常操作中，相信很多人在怎么用Python清理收藏夾里已失效的網站問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python清理收藏夾里已失效的網站”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

最近打開好多以前收藏的網站，發現好多都已經失效了，好多以前想看還沒來得及看的內容，也找不見了。。。

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，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

到此，關于“怎么用Python清理收藏夾里已失效的網站”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！