edge导出的收藏夹使用python解析html为json

2024年 1月 22日 1042点热度 0人点赞 0条评论

Microsoft Edge浏览器导出的收藏夹文件通常是一个HTML格式的文件，里面包含了书签的标题、链接以及其他相关信息。要将这些信息转换为JSON格式，可以使用Python中的库，如BeautifulSoup来解析HTML，并利用json库来生成JSON数据。
以下是一个基本的步骤示例：
首先，确保你已经安装了beautifulsoup4和lxml库（如果还没有的话）：
```
pip install beautifulsoup4 lxml
```
使用BeautifulSoup打开并解析HTML文件，找到包含书签信息的元素结构。
提取每个书签的字段（例如：名称、URL等）并存储在字典中。
将所有书签字典添加到一个列表中。
使用json库将这个列表转换为JSON字符串并保存到文件中。
示例：


Python
import json
from bs4 import BeautifulSoup

def html_to_json(html_file_path, json_file_path):
    with open(html_file_path, 'r', encoding='utf-8') as f:
        soup = BeautifulSoup(f.read(), 'lxml')

    # 根据Edge收藏夹HTML的实际结构来定位书签
    bookmarks = []
    for bookmark_tag in soup.find_all('a'):  # 这里假设书签是在a标签内
        title = bookmark_tag.text.strip()  # 书签名
        url = bookmark_tag.get('href')      # 书签链接

        # 创建字典并加入到bookmarks列表
        bookmark_dict = {'title': title, 'url': url}
        bookmarks.append(bookmark_dict)

    # 将bookmarks列表转换为JSON并写入文件
    with open(json_file_path, 'w', encoding='utf-8') as json_file:
        json.dump(bookmarks, json_file, ensure_ascii=False, indent=4)

# 调用函数进行转换
html_to_json("./resources/favorites_2024_1_22.html", "./resources/bookmarks.json")