浏览器收藏夹整理引擎 (bookmark-organizer)

通用 Edge / Chrome 收藏夹整理工具 —— 任意收藏夹 HTML 一键整理为 三层结构（收藏夹栏 → 大类 → 二级分类 → 链接），自动检测并删除失效链接、去除重复项，产出报告与可直接导入浏览器的收藏夹文件。

面向整个互联网的通用分类体系，内置 700+ 主流站点域名规则与 22 个通用大类，无论收藏夹里是购物、美食、游戏、AI 还是任何其他内容，都能自动归入正确分类；规则库可随时扩展，新增网站/新领域重跑一次即永久生效。

---

✨ 功能特性

• 三层结构自动整理：收藏夹栏 → 大类 → 二级分类 → 链接，逻辑清晰一目了然
• 全互联网通用分类：22 个通用大类 + 700+ 域名精确映射 + 26 条主题关键词规则，覆盖搜索/新闻/社交/视频/音乐/游戏/购物/美食/出行/健康/教育/金融/办公/开发/AI/设计/工具/网盘/阅读/壁纸/政务
• 自适应聚类兜底：规则未覆盖的新领域自动按域名聚类归入「其他」，绝不漏掉任何链接
• 失效链接检测：并发 HTTP 检测（浏览器 UA、跟随重定向、超时重试），只删除确定失效项（404/连接失败/超时），403 反爬、SSL 异常、5xx 临时故障自动列入「存疑清单」保留，不误删正常网站
• 网盘豁免：百度网盘、夸克、蓝奏云、阿里云盘等 19 个网盘域名不做失效判定
• 智能去重：规范化 URL（忽略 www/尾斜杠/锚点/推广参数）识别真正重复项
• 完整保留原样：链接的 ICON 图标、收藏时间全部保留；原收藏夹文件永不修改
• 可扩展规则库：categories.json 独立于代码，加一行规则即可让新网站/新领域获得正确分类

---

🚀 快速开始

环境要求

• Python 3.7+
• requests 库（pip install requests）

使用

# 1. 下载本仓库
git clone https://github.com/lingcangPXS/bookmark-organizer.git
cd bookmark-organizer/skills/bookmark-organizer

# 2. 运行（网络检测默认开启，自动执行 解析→分类→失效检测→去重→生成→验证）
python organizer.py 你的收藏夹.html --categories categories.json

输出产物（以输入文件名为前缀）

文件	说明
*_整理后.html	整理后的收藏夹，Edge/Chrome 中「设置 → 收藏夹 → 导入」即可生效
*_整理报告.md	整理概览 + 新分类结构 + 统计
*_失效清单.csv	已删除的失效链接明细（404/连接失败/超时）
*_存疑清单.csv	保留但检测异常的链接（403 反爬/SSL/5xx），供人工核对
*_重复清单.csv	已删除的重复链接明细

跳过网络检测可加 --no-check；自定义输出文件名加 --out 前缀。

---

🗂 三层通用分类体系

收藏夹栏
├── 搜索与门户
├── 新闻资讯
├── 社交与社区
├── 视频与直播
├── 音乐与音频
├── 游戏与电竞
├── 购物与电商
├── 美食与生活
├── 旅游与出行
├── 医疗与健康
├── 教育与学习
├── 金融与理财
├── 办公与协作
├── 开发与编程
├── AI 人工智能
├── 设计与创意
├── 工具与效率
├── 网盘与存储
├── 阅读与知识
├── 壁纸与美化
├── 政府与公共
└── 其他（自适应）

每个大类下细分二级分类（如「游戏与电竞 → Minecraft / 游戏平台 / 游戏MOD」，由 categories.json 定义）。

分类优先级

1. 关键域名标题规则：github / 知乎 / CSDN / B站 / 爱发电等内容混杂站点，按标题关键词细分
2. 域名精确映射：700+ 主流站点域名 → 大类/二级
3. 全局主题关键词：26 条通用正则（美食/健身/汽车/新闻/金融/购物/旅游/医疗/教育/政务等）
4. 自适应聚类：均未命中时按域名聚合生成「其他-域名」分类，并提示可扩展规则

---

🔧 自定义规则（更新机制）

编辑 categories.json 后重新运行即可，无需改任何代码：

{
  "大类顺序": ["搜索与门户", "新闻资讯", "..."],            // 控制输出顺序
  "域名映射": {
    "example.com": ["工具与效率", "效率小工具"]              // 新站点：域名 → 大类/二级
  },
  "子规则": {
    "github.com": [["正则", "大类", "二级"], ...]            // 混杂域名按标题细分
  },
  "兜底关键词": [["正则", "大类", "二级"], ...],             // 全局主题兜底
  "网盘域名": ["pan.baidu.com"]                              // 失效检测豁免
}

规则库由 gen_categories.py 生成，可自行按需重建。

---

⚠️ 失效检测说明

检测结果受网络环境影响，本项目采取保护正常站点策略：

• 删除：HTTP 404 / 连接失败 / 超时 / DNS 解析失败（确定失效）
• 保留并列清单：HTTP 403（多为 Cloudflare/知乎等对自动化请求的反爬，浏览器可正常访问）、SSL 证书异常、5xx 临时故障
• 豁免：网盘类域名（需登录/验证码，无法可靠检测）

所有删除项均在 失效清单.csv 中完整列出，原收藏夹文件不受影响，可随时回退。

---

📄 许可证

MIT © 2026 灵苍 (lingcangPXS)

---

本项目为通用工具，与任何浏览器厂商无关。整理前建议先备份原收藏夹文件。