用Python實現(xiàn)的書簽分類器

一直苦于瀏覽器收藏的書簽太多太亂眷昆,而每次手工整理都需要花費大量的時間。于是用Python實現(xiàn)了一個書簽分類器面哥,具體過程如下上荡。

感興趣的同學(xué)可以去Github下載完整代碼及相關(guān)配置文件(Github傳送門:bookmarks-classifier)趴樱,運(yùn)行、體驗一下;也可以繼續(xù)修改叁征、完善代碼纳账;同時,歡迎各種pull request航揉,也歡迎各種star塞祈、fork...

1.讀取書簽文件(HTML格式,由瀏覽器導(dǎo)出)帅涂,用正則表達(dá)式獲取到所有的A標(biāo)簽(即鏈接)內(nèi)容

# read the original bookmarks html, filter the link and text of <a>
with open(html, 'r') as f_origin:
    lines = re.findall('<DT>(.*?)<DT>', f_origin.read(), re.S)
    print('Total:' + str(len(lines)))
    for line in lines:
        domain = re.findall('://[a-zA-Z0-9]*\.(.*?)\.', line, re.S)
        link = re.findall('HREF="(.*?)"', line, re.S)
        text = re.findall('">(.*?)</A>', line, re.S)
        if len(domain) > 0 and len(link) > 0 and len(text) > 0:
            link_item = (domain[0], link[0], text[0])
            link_list.append(link_item)
    print(link_list)
    print('Filter:' + str(len(link_list)))
    classify(link_list)

2.定義書簽分類器议薪,根據(jù)上一步得到的標(biāo)簽內(nèi)容列表,進(jìn)行分類

# the classifier of bookmarks
def classify(list):
    for domain, link, text in list:
        if domain not in category_dict:
            cate = 'other'
        else:
            cate = category_dict[domain]
        link_item_new = (link, text)
        link_list_new[type_dict[cate]].append(link_item_new)
    print(link_list_new)
    print('classify:' + str(len(link_list_new)))

3.將上一步中的分類結(jié)果導(dǎo)出為相同格式的書簽文件

# write the results to a new bookmarks html
with open(html_new, 'w') as f_new:
    group = '<!DOCTYPE NETSCAPE-Bookmark-file-1>\n' \
            + '<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">\n' \
            + '<TITLE>Bookmarks</TITLE>\n' \
            + '<H1>Bookmarks</H1>\n' \
            + '<DL><p>\n'
    for i, item in enumerate(link_list_new):
        group += '\t<DT><H3 ADD_DATE="" LAST_MODIFIED="">' + type_dict_reverse[i] + '</H3>\n\t<DL><p>\n'
        for j in item:
            one = '\t\t<DT><A HREF="' + j[0] + '" ADD_DATE="" ICON="">' + j[1] + '</A>\n'
            group += one
        group += '\t</DL><p>\n'
    group += '</DL><p>\n'
    f_new.write(group)

4.使用的庫及變量的初始化

import re, json

# the bookmarks file exported from your browser
html = 'bookmarks.html'
# the new bookmarks file we want to get
html_new = 'bookmarks_new.html'
# init list
link_list = []
link_list_new = [[] for i in range(6)]
# config file of classifier
category_dict = json.load(open('classify.txt', 'r'))
# config file of classifier type
type_dict = json.load(open('classify_type.txt', 'r'))
# reverse the dict above
type_dict_reverse = dict(zip(type_dict.values(), type_dict.keys()))

附:讀者可以通過修改代碼庫中的配置文件(classify.txt媳友、classify_type.txt)來自定義分類結(jié)果斯议。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市醇锚,隨后出現(xiàn)的幾起案子哼御,更是在濱河造成了極大的恐慌,老刑警劉巖焊唬,帶你破解...
    沈念sama閱讀 218,941評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件恋昼,死亡現(xiàn)場離奇詭異,居然都是意外死亡赶促,警方通過查閱死者的電腦和手機(jī)液肌,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來鸥滨,“玉大人嗦哆,你說我怎么就攤上這事⌒鲎遥” “怎么了老速?”我有些...
    開封第一講書人閱讀 165,345評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長凸主。 經(jīng)常有香客問我橘券,道長,這世上最難降的妖魔是什么卿吐? 我笑而不...
    開封第一講書人閱讀 58,851評論 1 295
  • 正文 為了忘掉前任旁舰,我火速辦了婚禮,結(jié)果婚禮上但两,老公的妹妹穿的比我還像新娘鬓梅。我一直安慰自己供置,他們只是感情好谨湘,可當(dāng)我...
    茶點故事閱讀 67,868評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般紧阔。 火紅的嫁衣襯著肌膚如雪坊罢。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,688評論 1 305
  • 那天擅耽,我揣著相機(jī)與錄音活孩,去河邊找鬼。 笑死乖仇,一個胖子當(dāng)著我的面吹牛憾儒,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播乃沙,決...
    沈念sama閱讀 40,414評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼起趾,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了警儒?” 一聲冷哼從身側(cè)響起训裆,我...
    開封第一講書人閱讀 39,319評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蜀铲,沒想到半個月后边琉,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,775評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡记劝,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,945評論 3 336
  • 正文 我和宋清朗相戀三年变姨,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片隆夯。...
    茶點故事閱讀 40,096評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡钳恕,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出蹄衷,到底是詐尸還是另有隱情忧额,我是刑警寧澤,帶...
    沈念sama閱讀 35,789評論 5 346
  • 正文 年R本政府宣布愧口,位于F島的核電站睦番,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏耍属。R本人自食惡果不足惜托嚣,卻給世界環(huán)境...
    茶點故事閱讀 41,437評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望厚骗。 院中可真熱鬧示启,春花似錦、人聲如沸领舰。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至舍咖,卻和暖如春矩父,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背排霉。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評論 1 271
  • 我被黑心中介騙來泰國打工窍株, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人攻柠。 一個月前我還...
    沈念sama閱讀 48,308評論 3 372
  • 正文 我出身青樓球订,卻偏偏與公主長得像,于是被迫代替她去往敵國和親瑰钮。 傳聞我的和親對象是個殘疾皇子辙售,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,037評論 2 355

推薦閱讀更多精彩內(nèi)容

  • Android 自定義View的各種姿勢1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,167評論 25 707
  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理,服務(wù)發(fā)現(xiàn)飞涂,斷路器旦部,智...
    卡卡羅2017閱讀 134,659評論 18 139
  • 我很喜歡夜讀,在24小時的三聯(lián)選一本自己喜歡的書徹夜讀完较店。 如果要在夏日里挑出一件與之媲美的事士八,恐怕只有沖完澡后吞...
    Fish_琪閱讀 854評論 0 3
  • 塵世萬千,浮華隱現(xiàn) 老劍不言梁呈,歲月緘聲 湖畔一葦停扁舟 江山萬里掛風(fēng)流 好友兩三婚度,俠義飄搖 遍數(shù)恩怨情仇 幾回對錯...
    壞男人一生的承諾閱讀 2,647評論 0 0
  • 你 我 好久不見
    簡繭箋閱讀 217評論 0 0