urless

关于 - v2.7

这是一个用于清理（de-clutter）URL 列表的工具。 作为起点，我采用了 Somdev Sangwan 开发的出色工具 uro。但我想做一些改动、进行一些改进（比如处理 GUID），并让它更具可定制性。

安装

urless 支持 Python 3。

在默认（全局）Python 环境中安装 urless。

pip install urless

或者

pip install git+https://github.com/xnl-h4ck3r/urless.git -v

你可以通过以下命令升级：

pip install --upgrade urless

pipx

使用 pipx 在隔离的 Python 环境中快速安装

pipx install git+https://github.com/xnl-h4ck3r/urless.git

用法

参数	长参数	描述
-i	--input	要清理（de-clutter）的 URL 文件。
-o	--output	包含清理后 URL 列表的输出文件（默认：output.txt）。如果通过管道传给另一个程序，输出将写入 STDOUT。
-fk	--filter-keywords	以逗号分隔的关键字列表，用于排除链接（如果没有参数）。这将覆盖 config.yml 中指定的 FILTER_KEYWORDS 列表
-fe	--filter-extensions	以逗号分隔的要排除的文件扩展名列表。这将覆盖 config.yml 中指定的 FILTER_EXTENSIONS 列表
-rp	--remove-params	以逗号分隔的区分大小写参数列表，将从所有 URL 中移除。这将覆盖 config.yml 中指定的 REMOVE_PARAMS 列表。例如，这可用于移除缓存破坏（cache buster）参数。**
-ks	--keep-slash	输入中 URL 末尾的尾随斜杠不会被移除。因此输出中可能存在相同的 URL，一个有尾随斜杠，一个没有。
-khw	--keep-human-written	默认情况下，任何路径部分包含超过 3 个连字符 (-) 的 URL 都会被移除，因为假定这是人工编写的内容（例如博客文章），不感兴趣。传递此参数将把它们保留在输出中。
-kym	--keep-yyyymm	默认情况下，任何路径中包含 /YYYY/MM（其中 YYYY 是年份，MM 是月份）的 URL 都会被移除，因为假定这是博客/新闻内容，不感兴趣。传递此参数将把它们保留在输出中。
-rcid	--regex-custom-id	请谨慎使用！ 你的目标使用的自定义 ID 的正则表达式。请确保该值用引号传入。有关更多详细信息，请参阅下面的章节。
-iq	--ignore-querystring	移除查询字符串（包括 URL 片段 #），因此输出只包含唯一路径。
-fnp	--fragment-not-param	不要以与参数相同的方式处理 URL 片段 #，例如，如果链接包含过滤关键字和片段（或参数），通常该链接会被保留；但如果传了此参数且链接包含过滤词和片段，该链接将被移除。此外，如果传了此参数并使用 -iq / --ignore-querystring，当链接中没有查询字符串时，片段将不会被移除。
-lang	--language	如果传此参数，且存在多个 URL 的路径中包含不同的语言代码，则只会输出一个版本的 URL。代码在 config.yml 的 LANGUAGE 部分中指定。
-c	--config	YML 配置文件的路径。如果未传递，它将在默认配置目录中查找 config.yml 文件，例如 ~/.config/urless/。
-dp	--disregard-params	如果 URL 带有参数，则不会进行某些过滤，因为默认情况下我们希望看到所有可能的参数。如果传递此参数，则无论是否存在任何参数，都会执行过滤。
-nb	--no-banner	隐藏工具横幅（tool banner）输出（如果你通过管道将输入传给 urless，默认情况下它是隐藏的）。
	--version	显示当前版本号。
-v	--verbose	详细输出

它具体做什么？

你基本上传入一个 URL 列表（来自文件，或通过 STDIN 管道输入），然后得到一个清理后的文件或 URL 列表。但它们是按什么方式被清理的呢？ 下面我会解释这一点，但首先介绍一些将要使用的术语：