# bookmark-classfiy

**Repository Path**: xiaohelikesleep/bookmark-classfiy

## Basic Information

- **Project Name**: bookmark-classfiy
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-05
- **Last Updated**: 2026-02-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 浏览器书签智能分类工具

## 项目简介
本工具用于自动整理浏览器书签，通过AI智能分类技术，将杂乱的书签按照主题自动归类，并且重新生成结构化的书签文件。

## 功能特性
- 自动提取书签信息
- 智能分类书签内容
- 生成HTML格式书签文件，可直接导入浏览器
- 自动清理临时文件

## 使用说明

### 准备工作
1. 获取智谱AI API密钥
2. 准备浏览器导出的书签HTML文件

### 快速开始
1. 下载脚本
2. 修改`CONFIG`配置中的`INPUT_FILE`和`OUTPUT_FILE`
3. 修改`CONFIG`配置中的API_KEY
4. 运行脚本：
   ```bash
   python 浏览器书签文件重新分类.py
   ```
5. 查看生成的分类结果文件`bookmarks.html`

### 配置文件说明
在脚本开头的`CONFIG`字典中可配置以下参数：
- `API_KEY`: 智谱AI API密钥（必填）
- `INPUT_FILE`: 输入的书签HTML文件路径
- `EXTRACTED_FILE`: 提取的临时文件路径
- `CLASSIFIED_FILE`: 分类结果Markdown文件路径
- `OUTPUT_FILE`: 最终输出的HTML书签文件路径
- `DEFAULT_CATEGORIES`: 默认分类列表

## 代码结构
```python
# 主要功能模块
1. 配置参数 (CONFIG)
2. AI客户端初始化 (zhipu_client)
3. 书签提取 (extract_bookmark_info)
4. 书签分类 (classify_bookmark)
5. 分类创建 (create_new_category)
6. 格式转换 (md_to_netscape)
7. 文件清理 (cleanup_temp_files)
```
## 脚本代码详细说明
### 浏览器书签文件重新分类脚本详细说明

#### 1. **配置参数**
```python
CONFIG = {
    'API_KEY': "9e2458a8acf46274d1c1b9418eec500c.oBojpibVHt3IyXnz",  # 智谱API密钥，必填
    'INPUT_FILE': 'bookmarks_2025_1_3.html',  # 输入文件，必填
    'EXTRACTED_FILE': 'extracted_bookmarks.txt',  # 提取的临时文件
    'CLASSIFIED_FILE': 'classified_bookmarks.md',  # 分类结果文件
    'OUTPUT_FILE': 'bookmarks.html',  # 最终输出文件
    'DEFAULT_CATEGORIES': [  # 默认分类
        '编程语言',
        '人工智能', 
        '数据科学',
    ]
}
```
- **API_KEY**: 用于调用智谱AI API的密钥。
- **INPUT_FILE**: 输入的HTML格式浏览器书签文件路径。
- **EXTRACTED_FILE**: 提取的书签信息保存为文本文件的路径。
- **CLASSIFIED_FILE**: 分类后的书签信息保存为Markdown文件的路径。
- **OUTPUT_FILE**: 最终生成的HTML格式书签文件路径。
- **DEFAULT_CATEGORIES**: 预定义的默认分类列表。

#### 2. **初始化客户端**
```python
zhipu_client = ZhipuAI(api_key=CONFIG['API_KEY'])
```
- 使用提供的API密钥初始化智谱AI客户端，用于后续与AI模型交互。

#### 3. **获取AI响应**
```python
def get_llm_response(sysPrompt, questionPrompt):
    response = zhipu_client.chat.completions.create(
        model="GLM-4-Plus",  # 填写需要调用的模型编码
        messages=[
            {"role": "user", "content": sysPrompt},
            {"role": "assistant", "content": "你好，请告诉我你需要分类的书签？"},
            {"role": "user", "content": questionPrompt},
        ],
    )
    return response.choices[0].message.content
```
- 定义一个函数`get_llm_response`，用于向AI模型发送系统提示和用户问题，并返回模型的响应内容。

#### 4. **读取并解析HTML文件**
```python
with open(CONFIG['INPUT_FILE'], 'r', encoding='utf-8') as file:
    html_content = file.read()

soup = BeautifulSoup(html_content, 'html.parser')
bookmarks = soup.find_all('a')

bookmark_info = []
for bookmark in bookmarks:
    href = bookmark.get('href')
    add_date = bookmark.get('add_date')
    icon = bookmark.get('icon')
    text = bookmark.text.strip().replace('\n', '').replace('\t', '').replace('\r', '').replace(' ', '')
    
    bookmark_info.append({
        'URL': href,
        'Text': text
    })

with open(CONFIG['EXTRACTED_FILE'], 'w', encoding='utf-8') as f:
    for info in bookmark_info:
        f.write(f"Name: {info['Text']}, URL: {info['URL']}\n")
```
- 读取输入的HTML书签文件内容。
- 使用BeautifulSoup解析HTML，提取所有的`<a>`标签作为书签。
- 将每个书签的URL和名称保存到`bookmark_info`列表中。
- 将提取的书签信息保存到临时文件`EXTRACTED_FILE`中。

#### 5. **分类书签**
```python
def extract_bookmark_info(line):
    name_match = re.search(r'Name: ([^,]+)', line)
    url_match = re.search(r'URL: (https?://[^\s]+)', line)
    if not name_match or not url_match:
        return None, None
    return name_match.group(1), url_match.group(1)

def classify_bookmark(bookmark_name, bookmark_url, categories):
    system_prompt = (
        "你是一个智能助手，任务是根据提供的书签名称和URL从给定的分类列表中选择最合适的分类返回给用户。仅返回分类名称。\n"
        "请根据书签的内容和性质选择最适合的分类。如果没有合适的分类，请回答'无法分类'。\n"
        "给定分类: {categories_str}\n"
        "请选择最合适的分类。\n"
        "示例："
        "user: 书签名称：Python官方文档\n"
        "书签URL：https://docs.python.org/3/\n"
        "assistant: 编程语言\n"
    ).format(categories_str=", ".join(categories))
    
    user_prompt = (
        "书签名称: {bookmark_name}\n"
        "书签URL: {bookmark_url}\n"
    ).format(bookmark_name=bookmark_name, bookmark_url=bookmark_url)
    
    try:
        response = get_llm_response(system_prompt, user_prompt)
    except Exception as e:
        response = "其他"
    if response == "无法分类":
        return None
    return response

def create_new_category(name, url):
    system_prompt = (
        "你是一个智能助手，任务是根据提供的书签名称和URL给定一个合适的书签分类。仅返回分类名称。\n"
        "请根据书签的内容和性质给定分类。\n"
        "示例："
        "user: 书签名称：Python官方文档\n"
        "书签URL：https://docs.python.org/3/\n"
        "assistant: 编程语言\n"
    )

    user_prompt = (
        "书签名称: {name}\n"
        "书签URL: {url}\n"
    ).format(name=name, url=url)
    response = get_llm_response(system_prompt, user_prompt)

    return response
```
- `extract_bookmark_info`: 从临时文件中每行提取书签名称和URL。
- `classify_bookmark`: 根据书签名称和URL，使用AI模型从预定义分类中选择最合适的分类。如果无法分类，则返回`None`。
- `create_new_category`: 如果书签无法归入现有分类，则创建新分类。

#### 6. **处理书签分类**
```python
categories = CONFIG['DEFAULT_CATEGORIES']

with open(CONFIG['EXTRACTED_FILE'], 'r', encoding='utf-8') as f:
    bookmarks = f.readlines()

classified = defaultdict(list)
for line in bookmarks:
    if not line.strip():
        continue
        
    name, url = extract_bookmark_info(line)
    if not name or not url:
        continue
        
    category = classify_bookmark(name, url, categories)
    if not category:
        category = create_new_category(name, url)
        categories.append(category)

    print(f'分类书签: {name} -> {category}')
        
    classified[category].append(line)

with open(CONFIG['CLASSIFIED_FILE'], 'w', encoding='utf-8') as f:
    f.write('# 书签\n\n')
    for category, items in classified.items():
        f.write(f'## {category}\n')
        for item in items:
            name, url = extract_bookmark_info(item)
            if name and url:
                f.write(f'- [{name}]({url})\n')
        f.write('\n')
```
- 从临时文件中读取所有书签信息。
- 对每个书签进行分类，如果无法归入现有分类则创建新分类。
- 将分类结果保存到Markdown文件`CLASSIFIED_FILE`中。

#### 7. **将分类结果转换为HTML书签文件**
```python
def md_to_netscape(md_content):
    html = '''<!DOCTYPE NETSCAPE-Bookmark-file-1>
        <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
        <TITLE>Bookmarks</TITLE>
        <H1>Bookmarks</H1>
        <DL><p>
        '''

    lines = md_content.split('\n')
    stack = []
    current_level = 0
    
    for line in lines:
        if line.startswith('#'):
            level = line.count('#')
            title = line.lstrip('#').strip()
            
            while stack and stack[-1] >= level:
                html += '</DL><p>\n'
                stack.pop()
            
            html += f'    <DT><H3 ADD_DATE="{int(datetime.now().timestamp())}" LAST_MODIFIED="{int(datetime.now().timestamp())}">{title}</H3>\n'
            html += '    <DL><p>\n'
            stack.append(level)
            current_level = level
        
        elif line.startswith('-'):
            match = re.match(r'-\s*\[(.*?)\]\((.*?)\)', line)
            if match:
                name, url = match.groups()
                html += f'        <DT><A HREF="{url}" ADD_DATE="{int(datetime.now().timestamp())}">{name}</A>\n'
    
    while stack:
        html += '</DL><p>\n'
        stack.pop()
    
    return html

with open(CONFIG['CLASSIFIED_FILE'], 'r', encoding='utf-8') as f:
    md_content = f.read()

html_content = md_to_netscape(md_content)

with open(CONFIG['OUTPUT_FILE'], 'w', encoding='utf-8') as f:
    f.write(html_content)
```
- 定义`md_to_netscape`函数，将Markdown格式的分类结果转换为Netscape Bookmark HTML格式。
- 读取分类结果文件`CLASSIFIED_FILE`，将其转换为HTML格式并保存到`OUTPUT_FILE`。

#### 8. **清理临时文件**
```python
def cleanup_temp_files():
    temp_files = [
        CONFIG['EXTRACTED_FILE'],
        CONFIG['CLASSIFIED_FILE']
    ]
    for file in temp_files:
        if os.path.exists(file):
            os.remove(file)
            print(f"已删除临时文件: {file}")

if __name__ == '__main__':
    try:
        # 主逻辑代码...
        cleanup_temp_files()
        print("脚本执行完成，临时文件已清理")
    except Exception as e:
        print(f"脚本执行出错: {str(e)}")
```
- 定义`cleanup_temp_files`函数，清理脚本运行过程中产生的临时文件。
- 在主程序执行完成后调用此函数，确保临时文件被删除。

### 总结
该脚本通过以下步骤实现了对浏览器书签文件的重新分类：
1. **读取和解析**：从HTML文件中提取书签信息。
2. **分类**：使用AI模型对书签进行分类，必要时创建新分类。
3. **保存结果**：将分类结果保存为Markdown文件。
4. **转换格式**：将Markdown格式的分类结果转换为HTML格式。
5. **清理**：删除临时文件以保持工作环境整洁。

这个过程不仅简化了书签管理，还利用AI技术提高了分类的准确性和效率。


## 注意事项
1. 确保API密钥有效
2. 输入文件格式需为标准Netscape书签格式
3. 分类结果可能受AI模型影响，建议人工复核
4. 脚本运行后会清理临时文件，请及时保存结果


## 完整代码
```python
# 浏览器书签文件重新分类.py

from zhipuai import ZhipuAI
from bs4 import BeautifulSoup
import re
import os
from collections import defaultdict
from datetime import datetime

# 配置参数
CONFIG = {
    'API_KEY': "9e2458a8acf46274d1c1b9418eec500c.oBojpibVHt3IyXnz",  # 智谱API密钥，必填
    'INPUT_FILE': 'bookmarks_2025_1_3.html',  # 输入文件，必填
    'EXTRACTED_FILE': 'extracted_bookmarks.txt',  # 提取的临时文件
    'CLASSIFIED_FILE': 'classified_bookmarks.md',  # 分类结果文件
    'OUTPUT_FILE': 'bookmarks.html',  # 最终输出文件
    'DEFAULT_CATEGORIES': [  # 默认分类
        '编程语言',
        '人工智能', 
        '数据科学',
    ]
}

# 初始化客户端
zhipu_client = ZhipuAI(api_key=CONFIG['API_KEY'])



def get_llm_response(sysPrompt, questionPrompt):
    response = zhipu_client.chat.completions.create(
        model="GLM-4-Plus",  # 填写需要调用的模型编码
        messages = [
            {"role": "user", "content": sysPrompt},
            {"role": "assistant", "content": "你好，请告诉我你需要分类的书签？"},
            {"role": "user", "content": questionPrompt},
        ],
    )
    return response.choices[0].message.content





# 读取HTML文件内容
with open(CONFIG['INPUT_FILE'], 'r', encoding='utf-8') as file:
    html_content = file.read()

# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_content, 'html.parser')

# 查找所有的<A>标签
bookmarks = soup.find_all('a')

# 提取书签信息
bookmark_info = []
for bookmark in bookmarks:
    href = bookmark.get('href')
    add_date = bookmark.get('add_date')
    icon = bookmark.get('icon')
    text = bookmark.text.strip().replace('\n', '').replace('\t', '').replace('\r', '').replace(' ', '')
    
    bookmark_info.append({
        'URL': href,
        'Text': text
    })

# 打印提取的书签信息
for info in bookmark_info:
    print(info)

# 保存提取的书签信息

with open(CONFIG['EXTRACTED_FILE'], 'w', encoding='utf-8') as f:
    for info in bookmark_info:
        f.write(f"Name: {info['Text']}, URL: {info['URL']}\n")




def extract_bookmark_info(line):
    """从书签行中提取名称和URL"""
    name_match = re.search(r'Name: ([^,]+)', line)
    url_match = re.search(r'URL: (https?://[^\s]+)', line)
    if not name_match or not url_match:
        return None, None
    return name_match.group(1), url_match.group(1)

def classify_bookmark(bookmark_name, bookmark_url, categories):

    system_prompt = (
        "你是一个智能助手，任务是根据提供的书签名称和URL从给定的分类列表中选择最合适的分类返回给用户。仅返回分类名称。\n"
        "请根据书签的内容和性质选择最适合的分类。如果没有合适的分类，请回答'无法分类'。\n"
        "给定分类: {categories_str}\n"
        "请选择最合适的分类。\n"
        "示例："
        "user: 书签名称：Python官方文档\n"
        "书签URL：https://docs.python.org/3/\n"
        "assistant: 编程语言\n"
    ).format(categories_str=", ".join(categories))
    
    user_prompt = (
        "书签名称: {bookmark_name}\n"
        "书签URL: {bookmark_url}\n"
    ).format(bookmark_name=bookmark_name, bookmark_url=bookmark_url)
    
    try:
        response = get_llm_response(system_prompt, user_prompt)
    except Exception as e:
        response = "其他"
    if response == "无法分类":
        return None
    return response

def create_new_category(name, url):
    """
    创建新分类
    :param name: 书签名称
    :param url: 书签URL
    :return: 新分类名
    """
    system_prompt = (
        "你是一个智能助手，任务是根据提供的书签名称和URL给定一个合适的书签分类。仅返回分类名称。\n"
        "请根据书签的内容和性质给定分类。\n"
        "示例："
        "user: 书签名称：Python官方文档\n"
        "书签URL：https://docs.python.org/3/\n"
        "assistant: 编程语言\n"
    )

    user_prompt = (
        "书签名称: {name}\n"
        "书签URL: {url}\n"
    ).format(name=name, url=url)
    response = get_llm_response(system_prompt, user_prompt)

    return response



# 使用配置中的分类规则
categories = CONFIG['DEFAULT_CATEGORIES']
    



with open(CONFIG['EXTRACTED_FILE'], 'r', encoding='utf-8') as f:
    bookmarks = f.readlines()

classified = defaultdict(list)
for line in bookmarks:
    if not line.strip():
        continue
        
    name, url = extract_bookmark_info(line)
    if not name or not url:
        continue
        
    # 分类书签
    category = classify_bookmark(name, url, categories)
    if not category:
        # 创建新分类
        category = create_new_category(name, url)
        categories.append(category)

    print(f'分类书签: {name} -> {category}')
        
    classified[category].append(line)

# 将分类结果保存为文件
with open(CONFIG['CLASSIFIED_FILE'], 'w', encoding='utf-8') as f:
    f.write('# 书签\n\n')
    for category, items in classified.items():
        f.write(f'## {category}\n')
        for item in items:
            name, url = extract_bookmark_info(item)
            if name and url:
                f.write(f'- [{name}]({url})\n')
        f.write('\n')

from datetime import datetime
# 将分类结果重新转为HTML书签文件
def md_to_netscape(md_content):
    # 初始化HTML结构
    html = '''<!DOCTYPE NETSCAPE-Bookmark-file-1>
        <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
        <TITLE>Bookmarks</TITLE>
        <H1>Bookmarks</H1>
        <DL><p>
        '''

    # 解析MD内容
    lines = md_content.split('\n')
    stack = []
    current_level = 0
    
    for line in lines:
        # 处理标题
        if line.startswith('#'):
            level = line.count('#')
            title = line.lstrip('#').strip()
            
            # 关闭之前的DL
            while stack and stack[-1] >= level:
                html += '</DL><p>\n'
                stack.pop()
            
            # 添加H3标签
            html += f'    <DT><H3 ADD_DATE="{int(datetime.now().timestamp())}" LAST_MODIFIED="{int(datetime.now().timestamp())}">{title}</H3>\n'
            html += '    <DL><p>\n'
            stack.append(level)
            current_level = level
        
        # 处理链接
        elif line.startswith('-'):
            match = re.match(r'-\s*\[(.*?)\]\((.*?)\)', line)
            if match:
                name, url = match.groups()
                html += f'        <DT><A HREF="{url}" ADD_DATE="{int(datetime.now().timestamp())}">{name}</A>\n'
    
    # 关闭所有打开的DL
    while stack:
        html += '</DL><p>\n'
        stack.pop()
    
    return html

with open(CONFIG['CLASSIFIED_FILE'], 'r', encoding='utf-8') as f:
    md_content = f.read()

html_content = md_to_netscape(md_content)

with open(CONFIG['OUTPUT_FILE'], 'w', encoding='utf-8') as f:
    f.write(html_content)

# 清理临时文件
def cleanup_temp_files():
    """清理脚本运行过程中产生的临时文件"""
    temp_files = [
        CONFIG['EXTRACTED_FILE'],
        CONFIG['CLASSIFIED_FILE']
    ]
    for file in temp_files:
        if os.path.exists(file):
            os.remove(file)
            print(f"已删除临时文件: {file}")

# 主程序执行
if __name__ == '__main__':
    try:
        # 原有主逻辑代码...
        
        # 脚本执行完成后清理临时文件
        cleanup_temp_files()
        print("脚本执行完成，临时文件已清理")
    except Exception as e:
        print(f"脚本执行出错: {str(e)}")


```