Pocketでエクスポートしたデータを、CSVに加工するPythonスクリプト

ril_export_csv.py

import sys
import os
import datetime
import csv
from html.parser import HTMLParser

EXPORTED_FILE_NAME = "ril_export.html"
OUTPUT_FILE_NAME = "ril_export_csv.csv"


class RilExportHTMLParser(HTMLParser):
    """
    ril_export.html のaタグについて:
    hrefにはpocketで保存したURL
    time_addedにはUNIX時間で追加された時間が入力されている
    tagsにはタグが追加されるが、使ったことがないのでわからない
    """
    def __init__(self):
        HTMLParser.__init__(self)
        self.title = False
        self.href = False
        self.data = []
    
    def handle_starttag(self, tag: str, attrs: list[tuple[str, str | None]]):
        attrs_dict = dict(attrs)
        if tag == "li":
            self.data.append({})
            self.title = True
            self.href = True
            
        if tag == "a" and self.href == True:
            self.data[-1].update({
                "url": attrs_dict.get("href"),
                "added": datetime.datetime.fromtimestamp(
                    int(attrs_dict.get("time_added", "0"))) if attrs_dict.get("time_added", None) is not None else None,
            })
            
    def handle_data(self, data):
        if self.title == True or self.href == True:
            self.data[-1].update({"title": data})
            self.title = False
            self.href = False


if __name__ == "__main__":
    if not os.path.exists(EXPORTED_FILE_NAME):
        print(f"{EXPORTED_FILE_NAME} is not found. Abort.")
        sys.exit(1)
    with open(EXPORTED_FILE_NAME, mode="r", encoding="utf-8") as ef:
        exported_raw_data = ef.read()
        parser = RilExportHTMLParser()
        parser.feed(exported_raw_data)
        
        with open(OUTPUT_FILE_NAME, mode="w", encoding="utf-8") as of:
            writer = csv.DictWriter(of, ["title", "url", "added"], lineterminator="\n")
            writer.writeheader()
            writer.writerows(parser.data)
    print("export OK")