用Python实现的书签分类器

一直苦于浏览器收藏的书签太多太乱，而每次手工整理都需要花费大量的时间。于是用Python实现了一个书签分类器，具体过程如下。

感兴趣的同学可以去Github下载完整代码及相关配置文件（Github传送门：bookmarks-classifier），运行、体验一下；也可以继续修改、完善代码；同时，欢迎各种pull request，也欢迎各种star、fork...

1.读取书签文件（HTML格式，由浏览器导出），用正则表达式获取到所有的A标签（即链接）内容

# read the original bookmarks html, filter the link and text of 
with open(html, 'r') as f_origin:
    lines = re.findall('
(.*?)
', 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('">(.*?)', 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.定义书签分类器，根据上一步得到的标签内容列表，进行分类

# 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.将上一步中的分类结果导出为相同格式的书签文件

# write the results to a new bookmarks html
with open(html_new, 'w') as f_new:
    group = '\n' \
            + '\n' \
            + '\n' \
            + '
Bookmarks
\n' \
            + '
\n'
    for i, item in enumerate(link_list_new):
        group += '\t
' + type_dict_reverse[i] + '
\n\t
\n'
        for j in item:
            one = '\t\t
' + j[1] + '\n'
            group += one
        group += '\t
\n'
    group += '
\n'
    f_new.write(group)

4.使用的库及变量的初始化

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：读者可以通过修改代码库中的配置文件（classify.txt、classify_type.txt）来自定义分类结果。