neverland

挖掘 Safari 阅读列表的潜力

2019-04-13

Safari 阅读列表是 macOS 和 iOS 上一个比较容易被忽视的功能。该功能最初出现在 2011 年的 OS X Lion 和 iOS 5 系统中，但除了在次年加入了离线缓存，它基本就在这八年间一成不变，与 Pocket、Instapaper 等专职的稍后读服务相比显得十分简陋。

我自己之前也很少使用阅读列表功能，而是用 Pinboard 结合 Instapaper 解决稍后读的需求。这套组合虽然总体让我满意，但也不是尽善尽美，最明显的不足就在于添加链接时的繁琐。特别是在那些没有分享按钮的界面，每添加一个链接都要经历长按链接—选择「分享」—点击应用图标三个步骤。在需要连续保存很多链接时（例如阅读 newsletter 或播客的 show notes），重复这套繁琐的步骤接近一种折磨。另外，Instapaper 的同步也受到 iOS 对后台进程的限制，在信号不好时添加的链接，往往需要事后手动刷新一次才能反映在其他设备上。

相比之下，作为系统自带功能，Safari 阅读列表具有第三方应用难以企及的特权。「添加到阅读列表」的选项几乎无处不在，并且总是处于第一级菜单的显著位置，新增链接在任何时候不会需要超过两次点击。不仅如此，阅读列表作为一个系统服务，可以始终保持后台运行，并且通过 iCloud 近乎即时地在各设备间同步。

发现了这些优点后，我在近几个月试着更多地利用 Safari 阅读列表。为了扬长避短，我主要在两种场景下使用这一功能：其一，将阅读列表作为暂存空间，用来处理一些不需要长久保存的页面；其二，将阅读列表作为第三方工具的「前端」，利用它保存链接时的便捷，然后通过脚本将其内容自动同步到其他稍后读服务。

将阅读列表作为暂存空间

尽管阅读列表的功能比较贫乏，但这种简洁也让它成为了暂存网页的理想位置。对于那些在浏览时偶尔撞见、想要短暂保存的页面，认认真真添加书签并打上标签显得有点浪费时间；不少网页也不属于文章的范畴，因此稍后读工具也不是合适的归宿。这些时候，阅读列表就成为了比较理想的选择。

阅读列表的使用非常简单，没有什么需要特别说明的地方，不熟悉的用户可以阅读苹果的官方支持文章（iOS 版、Mac 版）来比较全面地了解。不过，阅读列表功能也有一些比较隐蔽的技巧，记忆之后，可以进一步提高将其作为链接暂存工具的效率。

添加阶段：

  • 在 iOS 版 Safari 中，添加到阅读列表的最快方式是长按工具栏中的书签图标，然后选择相应选项；在 Mac 上，最快的方法则是使用快捷键 ⇧⌘D。
  • 在 iPad 上，阅读列表界面支持拖放，并且可以批量操作：既可以从其他应用中选中多个链接拖放添加到阅读列表中，也可以从阅读列表中选择多个项目一并拖出。
  • 在 Mac 版 Safari 中，可以通过「书签」-「将这 x 个标签页添加到阅读列表」菜单项将当前打开的所有标签页批量添加到阅读列表；该功能尤其适用于针对特定话题检索资料的使用场景，可以一定程度上弥补 Safari 没有 OneTab 一类插件的不足。

用拖放手势在 iPad 上批量添加阅读列表链接

用拖放手势在 iPad 上批量添加阅读列表链接

管理和阅读阶段：

  • Safari 阅读列表支持离线缓存，但默认没有开启。
    • 在 Mac 上，这一选项位于 Safari 偏好设置中的「高级」选项卡下，通过勾选「自动存储文章以便离线阅读」开启。
    • 在 iOS 上，这一选项位于「设置」>「Safari 浏览器」，然后打开「阅读列表」下方的「自动离线存储」。
    • iOS 似乎不会很及时地清理阅读列表缓存。手动清理的方法是进入「设置」>「通用」>「iPhone (iPad) 存储」>「Safari 浏览器」，然后向左划动「离线阅读列表」项目。
  • 从阅读列表界面的顶部向下划动可以看到搜索框，其搜索范围包括网页标题、链接和摘要。
  • 在 Mac 版 Safari 中，右键单击阅读列表的空白位置可以找到清空阅读列表的选项。
  • 读到一个网页的底部后，继续向下滚动可以直接跳转到阅读列表中的下一个网页；从网页顶部向上滚动则会跳转到上一个网页。在 Mac 上，还可以通过 ⌥⌘↑/↓ 快捷键切换阅读列表中的项目。

打通阅读列表和第三方服务

前面提到，阅读列表的主要优势在于和系统的紧密整合，但管理和阅读功能则明显逊于第三方服务。因此，一个自然的思路就是将这两者结合起来，将阅读列表作为一个纯粹的链接收集工具，以利用其在添加链接时的便捷性，而管理和阅读则仍然在更专业的应用中进行。

然而，阅读列表体现了苹果软件一贯的封闭性，本身并不提供任何导出功能。好在，阅读列表的实现机制并不复杂，通过简单的脚本即可获取其内容并导出到其他工具中。

阅读列表的工作原理

在介绍具体的方法之前，首先铺垫一下阅读列表的工作原理。在实现层面，Safari 阅读列表是与 Safari 书签一起存放和同步的。实际上，阅读列表不过是收藏夹中一个特殊的文件夹。

在 macOS 上，阅读列表的路径位于 ~/Library/Safari/Bookmarks.plist。原始状态下，该 plist 文件是以二进制格式存储的；我们可以通过

plutil -convert xml1 -o Bookmarks.xml Bookmarks.plist

转换出一份可读的 XML 格式副本以观察其内部结构。

转换为 XML 后的阅读列表文件结构

转换为 XML 后的阅读列表文件结构

可以看到，针对每条阅读列表中的链接，Safari 存储的信息包括其标题、URL、摘要、缩略图链接、添加日期和最近打开日期等。从 ReadingListNonSync 这一子键名称及其包含的内容还可以看出，阅读列表中网页的缓存是不会被同步的，每台设备都会自己重新抓取一次网页信息及其缓存。（网页缓存位于 ~/Library/Safari/ReadingListArchives 目录下，以 Web Archive 格式存储。）

iOS 上，阅读列表的存储位置稍有差别，位于 /private/var/mobile/Library/Safari/Bookmarks.db 这一数据库文件中，但仍然和普通书签一起存储。根据数据库各列的名称可以看出，其存储的信息和 macOS 上的 Safari 基本是一一对应的。

iOS 上的 Safari 书签数据库

iOS 上的 Safari 书签数据库

可见，要实现将阅读列表和第三方服务打通，只需要 (a) 解析 Bookmarks.plist 文件，将其中的阅读列表链接通过第三方服务的 API 保存到后者中；和 (b) 监控 Bookmarks.plist 文件的变动，在新链接被添加到阅读列表时同步地将其保存到其他服务。

解析 Bookmarks.plist 文件

对于 (a)，GitHub 上可以找到现成的解决方案：ReadingListReader。这是一组基于 Python 的脚本，其功能正是解析 Bookmarks.plist 文件并将其导出为 HTML、CSV 格式，或者发送到 Pocket/Instapaper/Pinboard。

以导出到 Pocket 为例。先在 Pocket 网站上新建一个私人应用，保存得到的 Consumer Key。接着，编辑上述项目中的 readinglist2pocket.py 文件，填入该 Consumer Key。这样，就可以通过在终端运行：

ReadingListReader $ python ./readinglist2instapaper.py

将阅读列表导出到 Pocket。导出到 Pinboard 或 Instapaper 的方法同理，在此不赘。

监控 Bookmarks.plist 文件的变动

剩下的问题就是如何监控阅读列表的变动，实现新增链接时自动通过上述脚本发送到第三方服务。最简单的方法是使用 Hazel。在 Hazel 中，新建一条针对 ~/Library/Safari 文件夹的规则，并设定两个匹配条件：

  1. 文件全名为 Bookmarks.plist（注意「Full Name」和「Name」的区别，后者不包括扩展名）；
  2. 上次匹配日期（Date Last Matched）早于上次修改日期（Date Last Modified）（换句话说，文件在上次被匹配后又发生了变动）。

匹配后的动作则是运行终端脚本（Run Shell Script）：python /path/to/script/readinglist2pinboard.py （以发送到 Pinboard 的脚本为例）。

Hazel 动作示例

Hazel 动作示例

两点需要说明的问题：

  • Hazel 的使用理论上不是必须的，但这是我唯一了解的、可以简便监控单个文件变化的工具（系统自带的 Automator 只能实现文件夹层级的监控），欢迎了解替代方法的读者指教。
  • 显然，上述方法依赖于一台持续开机并在线的 Mac。如果你用的是 MacBook 并且需要扛着它四处跑，那么这种方法的效果肯定会大打折扣。然而，在苹果不进一步开放该功能的前提下，这已经是最接近「同步」的权宜之计。

用 Mercury 改进网页信息抓取效果

尽管阅读列表会自动抓取网页的标题、摘要等信息，但并不十分智能。根据经验，如果添加的链接是有付费墙的网页或短链接、跳转链接等，阅读列表有很大可能无法正确获取网页信息。这对将其同步到 Instapaper 或 Pocket 影响不大，因为它们本身会对添加的链接重新进行处理；但如果你和我一样准备把它和 Pinboard 同步，可能就需要一些额外步骤来应对上述缺陷。

阅读列表不擅长处理需要跳转的特殊 URL

阅读列表不擅长处理需要跳转的特殊 URL

我的解决方法是引入 Mercury。Mercury 原本是一个在线 API，很多 RSS 工具曾经用它来抓取全文。但其提供方前不久宣布停止提供服务，转而将代码开源在 GitHub 上供人自行搭建使用。对于本文的目的而言，这倒不是坏事，因为在本地运行代码的效率反而更高。

Mercury 是基于 JavaScript 的，首先使用

npm -g install @postlight/mercury-parser

将其安装到系统中（依赖于 npm）。

然后，可以试着在终端执行 mercury-parser [网址] 来测试能否正常运行。

Mercury 正确获取了跳转 URL 指向的原始网页相关信息

Mercury 正确获取了跳转 URL 指向的原始网页相关信息

Mercury 的解析结果以 JSON 格式输出，其中对本文有意义的是 url（原始链接）、title（网页标题） 和 excerpt（文章摘要）这三个键。为了在 Python 脚本中调用 Mercury 及其输出结果，需要对原始代码作一些修改：

from readinglistlib import ReadingListReader
import urllib
import subprocess # 用于运行 Mercury 终端命令
import json # 用于解析 Mercury 输出结果

auth_token = 'REPLACE_WITH_YOUR_API'; # 替换为你自己的 API Key
api_url = 'https://api.pinboard.in/v1/posts/add?'

rlr = ReadingListReader()
bookmarks = rlr.read()
for bookmark in bookmarks:
  parser = json.loads(subprocess.check_output(["mercury-parser", bookmark['url']])) # 将脚本解析出的阅读列表链接提供给 Mercury 并获取其输出
  params = urllib.urlencode({
	'url': parser['url'].encode('utf-8'),
	'description': parser['title'].encode('utf-8'),
	'extended': parser['excerpt'].encode('utf-8'),
	'toread': 'yes',
	'auth_token': auth_token}) # 将 Mercury 的解析结果作为参数传输给 Pinboard 的 API
  urllib.urlopen(api_url + params)

你可以在这里找到我修改好的脚本。

最后，将 Hazel 的匹配后动作改为执行该脚本，就可以获得比较即时和完善的同步结果。