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！
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……
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 requestsr = 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
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，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！
