python實現解析markdown文檔中的圖片，並且保存到本地~

背景

前陣子簡書好像說是涼了，搞得我有點小慌，畢竟我的大部分博客都是放在簡書上面的，雖然簡書提供了打包導出功能，但是只能導出文字，圖片的話還是存在簡書服務器上面，再加上我一直想要重新做一個個人博客，於是就有了這篇文章。

思路

首先是要解析markdown文檔，然后獲取到其中的所有圖片，再把圖片按md文件分好目錄保存。

解析markdown文檔

這里我用了misaka模塊，據說是python的markdown解析器里性能最好的，不過這個的文檔着實是精簡，太少內容了，寫得不清不楚的，基本功能看來就是把markdown文檔解析為html文檔，但是好像沒有直接操作markdown元素的方法。

沒事，我可以像平時寫爬蟲那樣解析html呀，不就曲線救國拿到圖片了嗎~
這里就用BeautifulSoup啦

下載圖片

很簡單，就是requests，沒啥好說的。

實現

遍歷文件

首先要遍歷文件夾里面的所有md文檔：

def get_files_list(dir):
    """
    獲取一個目錄下所有文件列表，包括子目錄
    :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文檔 獲取所有圖片

先用misaka把markdown轉換成html，然后再拿出所有img。

def get_pics_list(md_content):
    """
    獲取一個markdown文檔里的所有圖片鏈接
    :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

下載圖片

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)

完整代碼

本項目的完整代碼已經上傳到GitHub了，地址如下：
https://github.com/Deali-Axy/Markdown-Image-Parser

運行

pip install -r requirements.txt
python spider.py

歡迎與我交流

• 打代碼直播間：https://live.bilibili.com/11883038
• 微信公眾號：DealiAxy
• 知乎：https://www.zhihu.com/people/dealiaxy
• 博客：https://blog.deali.cn