我在慕课手记的第一篇的文章：python实现解析markdown文档中的图片，并且保存到本地~

大家好，这是我在慕课手记的第一篇的文章

背景

前阵子简书好像说是凉了，搞得我有点小慌，毕竟我的大部分博客都是放在简书上面的，虽然简书提供了打包导出功能，但是只能导出文字，图片的话还是存在简书服务器上面，再加上我一直想要重新做一个个人博客，于是就有了这篇文章。

思路

首先是要解析markdown文档，然后获取到其中的所有图片，再把图片按md文件分好目录保存。

解析markdown文档

这里我用了misaka模块，据说是python的markdown解析器里性能最好的，不过这个的文档着实是精简，太少内容了，写得不清不楚的，基本功能看来就是把markdown文档解析为html文档，但是好像没有直接操作markdown元素的方法。

没事，我可以像平时写爬虫那样解析html呀，不就曲线救国拿到图片了吗~

这里就用BeautifulSoup啦

下载图片

很简单，就是requests，没啥好说的。

实现

遍历文件

首先要遍历文件夹里面的所有md文档：

def get_files_list(dir):

    """

    获取一个目录下所有文件列表，包括子目录

    :param dir:

    :return:

    """

    files_list = []

    for root, dirs, files in os.walk(dir, topdown=False):

        for file in files:

            files_list.append(os.path.join(root, file))



    return files_list

解析md文档 获取所有图片

先用misaka把markdown转换成html，然后再拿出所有img。

def get_pics_list(md_content):

    """

    获取一个markdown文档里的所有图片链接

    :param md_content:

    :return:

    """

    md_render = misaka.Markdown(misaka.HtmlRenderer())

    html = md_render(md_content)

    soup = BeautifulSoup(html, features='html.parser')

    pics_list = []

    for img in soup.find_all('img'):

        pics_list.append(img.get('src'))



    return pics_list

下载图片

def download_pics(url, file):

    img_data = requests.get(url).content

    filename = os.path.basename(file)

    dirname = os.path.dirname(file)

    targer_dir = os.path.join(dirname, f'{filename}.assets')

    if not os.path.exists(targer_dir):

        os.mkdir(targer_dir)



    with open(os.path.join(targer_dir, f'{uuid.uuid4().hex}.jpg'), 'w+') as f:

        f.buffer.write(img_data)

完整代码

本项目的完整代码已经上传到GitHub了，地址如下：

https://github.com/Deali-Axy/Markdown-Image-Parser

运行

pip install -r requirements.txt

python spider.py

欢迎与我交流

• 打代码直播间：https://live.bilibili.com/11883038

• 博客：https://blog.deali.cn

​