腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

Python自動(dòng)解析markdown中的圖片并保存

更新時(shí)間：2025年12月12日 09:02:53 作者：慕雪華年

這篇文章主要為大家詳細(xì)介紹了如何利用Python實(shí)現(xiàn)自動(dòng)解析markdown中的圖片并保存,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解下

1.起因

為什么需要python來(lái)下載md里面的圖片？原因很簡(jiǎn)單，那就是需要把圖片保存下來(lái)，上傳到第二個(gè)圖床（遷移）

對(duì)于阿里云OSS來(lái)說(shuō)，有兩種遷移辦法

使用官方的數(shù)據(jù)導(dǎo)出功能
使用api接口遍歷oss目錄下載所有圖片

這兩種辦法都不是那么方便，所以我選擇了第三種

解析本地md文件中的img url，下載圖片并保存到本地

那要怎么做呢？

2.教程

我在github找到了這個(gè)項(xiàng)目 Deali-Axy/Markdown-Image-Parser

作者的代碼寫的很棒，但是README里面卻少了一個(gè)重要的啟動(dòng)教程，那就是你需要在當(dāng)前目錄下創(chuàng)建一個(gè)files文件夾（md文件放到這里面），對(duì)應(yīng)啟動(dòng)項(xiàng)里面開啟的根目錄

if __name__ == '__main__':
    files_list = get_files_list(os.path.abspath(os.path.join('.', 'files')))

隨后，執(zhí)行python spider.py，開始運(yùn)行，腳本會(huì)自動(dòng)將md轉(zhuǎn)成html并下載圖片

我將作者的代碼進(jìn)一步細(xì)化，并修改了一部分bug建議使用我fork的版本

https://github.com/musnows/Markdown-Image-Parser

2.1 UnicodeDecodeError

在啟動(dòng)的時(shí)候，你可能會(huì)遇到這個(gè)報(bào)錯(cuò)

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbc in position 2: invalid start byt

解決辦法是將打開文件編碼的utf-8 修改成ISO-8859-1

 with open(file, encoding='ISO-8859-1') as f:
            md_content = f.read()

2.2 request failed

因?yàn)樽髡卟]有寫判斷，此時(shí)就會(huì)出現(xiàn)一個(gè)嚴(yán)重問(wèn)題：本地圖片也會(huì)進(jìn)行requests請(qǐng)求

比如我的md里面就有一些圖片是本地的img/圖片文件名，這個(gè)代碼依舊對(duì)這個(gè)路徑當(dāng)做網(wǎng)絡(luò)路徑進(jìn)行請(qǐng)求，于是就出現(xiàn)了報(bào)錯(cuò)

所以就需要在download_pics函數(shù)中對(duì)url進(jìn)行判斷，這里可以寫成下面的格式（因?yàn)槲抑牢业陌⒗镌芆SS鏈接里面不包含img文件夾，所以img/的圖片是本地文件

def download_pics(url, file,MDfilename):
    if 'img/' in url:
        print('不處理本地圖片: ', url)
        return

但是這樣其實(shí)還是有點(diǎn)呆呆的，我們直接判斷http在不在里面不就知道是不是網(wǎng)絡(luò)圖片了

def download_pics(url, file,MDfilename):
    if 'http' not in url:
        print('不處理本地圖片: ', url)
        return

2.3 圖片保存路徑

默認(rèn)情況下，圖片會(huì)保存到子文件夾下的markdown文件名目錄

    targer_dir = os.path.join(dirname,assert_dir)
    if not os.path.exists(targer_dir):
         os.mkdir(targer_dir)

這樣其實(shí)非常非常不方便管理，有幾個(gè)md文檔就有幾個(gè)md圖片路徑，可太難受了

所以我們需要注釋掉這部分代碼，直接選擇一個(gè)根目錄進(jìn)行圖片的保存

targer_dir ='./files/img/' # 所有圖片都保存到 ./files/img/ 文件夾里面

2.4 try/except

作者代碼里面的最最最大漏洞，那就是沒有對(duì)for循環(huán)里面的請(qǐng)求進(jìn)行try/except

這樣就會(huì)導(dǎo)致，如果有一個(gè)圖片請(qǐng)求失敗，整個(gè)進(jìn)程會(huì)直接終止！

那么問(wèn)題就來(lái)了，即便這個(gè)程序會(huì)在遍歷的時(shí)候打印當(dāng)前處理的文件名字，但這需要用戶去翻命令行輸出，再找到到底是哪一個(gè)圖片發(fā)生錯(cuò)誤，非常非常非常難受！

如果重新執(zhí)行，那就相當(dāng)與把已經(jīng)下好的圖片又重下一遍，浪費(fèi)OSS的流量。

所以我們必須要給for循環(huán)內(nèi)部添加上異常捕獲，如果遇到錯(cuò)誤，就將這個(gè)圖片的url存下來(lái)，繼續(xù)往后執(zhí)行！

    for file in files_list:
        print(f'正在處理：{file}')

        with open(file, encoding='ISO-8859-1') as f:
            md_content = f.read()

        pics_list = get_pics_list(md_content)
        print(f'發(fā)現(xiàn)圖片 {len(pics_list)} 張')

        for index, pic in enumerate(pics_list):
            try:
                print(f'正在下載第 {index + 1} 張圖片...')
                MDfilename = os.path.basename(file) # 當(dāng)前處理的md文件的名字
                download_pics(pic, file,MDfilename)
                time.sleep(0.5) # 避免下載超速
            except KeyboardInterrupt:
                os.abort()
            except:
                print(traceback.format_exc())

                if MDfilename not in err_img:
                    err_img[MDfilename]=[]
                # 添加圖片
                err_img[MDfilename].append(pic)
                print("圖片獲取錯(cuò)誤：",pic)
                time.sleep(1)
    
    print(f'處理完成。')
    write_file('err.json',err_img)
    print(f'寫入err完成')

完整代碼見我的github倉(cāng)庫(kù)

2.5 上傳到lsky圖床

現(xiàn)在我要遷移的圖床是lsky，所以為了方便，可以在將圖片保存到本地的同時(shí)，將圖片上傳到lsky圖床

注意，上傳之前，請(qǐng)?jiān)?strong>用戶組將圖片上傳的格式改為原始文件命名，否則重命名了那就什么都沒了！

還發(fā)現(xiàn)了一個(gè)離譜的問(wèn)題，那就是一些圖片上傳了之后，lsky還是會(huì)給他改名字?。?！

比如這個(gè)gif，他的alt里面是原始名字，但是url并不是?。?！你說(shuō)這離譜不

解決方法那就是把本地的圖片打一個(gè)壓縮包，傳到云服務(wù)器后臺(tái)存儲(chǔ)路徑中覆蓋一遍，把沒有的圖片給添加上

unzip -o ~/docker/img.zip -d ~/docker/lsky/storage/app/uploads/23/02

上傳之前，先獲取token

def lsky():
    url = "服務(wù)器地址/api/v1/tokens"
    params = {
        'email':'賬戶郵箱',
        'password':'密碼'
    }

    res = requests.post(url,  params=params)  # 請(qǐng)求api
    return res.json()

結(jié)果如下

{'status': True, 'message': 'success', 'data': {'token': '這里會(huì)返回token'}}

隨后是上傳的代碼，注意蘭空必須要用open 'rb'重新打開一邊圖片，所以參數(shù)給img_path也就是圖片的路徑即可

# 蘭空?qǐng)D床
def lsky_upload(img_path:str):
    url = "你的蘭空?qǐng)D床服務(wù)器/api/v1/upload"
    header = {
        "Authorization": "Bearer 你的蘭空token",
        "Accept": "application/json"
    }
    img = open(img_path, 'rb')
    params = {'strategy_id': 1}
    myfiles = {'file': img}
    res = requests.post(url, headers=header, params=params,
                        files=myfiles)  # 請(qǐng)求api
    return res.json()

在download_pics的末尾添加如下代碼，并對(duì)蘭空?qǐng)D床的返回值進(jìn)行判斷，如果上傳錯(cuò)誤，同樣添加到錯(cuò)誤圖片中！

    # 上傳lsky
    res = lsky_upload(img_path=f"{targer_dir}/{filename}")
    print(res)
    if not res['status']:
        global err_img
        if MDfilename not in err_img:
            err_img[MDfilename]=[]
         
        err_img[MDfilename].append(url)
        print("蘭空上傳錯(cuò)誤！",url)
        time.sleep(1)

上傳成功的返回值status是True