使用python-markdown检查图像网址

Question

在我创建的网站上，我使用Python-Markdown来格式化新闻帖子。为了避免死链接和HTTP内容对HTTPS页面问题的问题，我要求编辑们将所有图像上传到网站，然后嵌入它们（我使用了一个我已经打补丁的降价编辑器，以允许轻松嵌入这些图像使用标准markdown语法）。

但是，我想在我的代码中执行no-external-images策略。

一种方法是编写一个正则表达式来从降价源代码中提取图像URL，甚至通过降价渲染器运行它，并使用DOM解析器从img标签中提取所有src属性。

但是，我很好奇在解析过程中是否有某种方法可以挂钩到Python-Markdown中以提取所有图像链接或执行自定义代码（例如，如果链接是外部引发的异常）。

Answer 1

一种方法是在一个较低的水平，以拦截<img>节点降价解析，并构建它只是后：

import re 
from markdown import Markdown 
from markdown.inlinepatterns import ImagePattern, IMAGE_LINK_RE 

RE_REMOTEIMG = re.compile('^(http|https):.+') 

class CheckImagePattern(ImagePattern): 

    def handleMatch(self, m): 
     node = ImagePattern.handleMatch(self, m) 
     # check 'src' to ensure it is local 
     src = node.attrib.get('src') 
     if src and RE_REMOTEIMG.match(src): 
      print 'ILLEGAL:', m.group(9) 
      # or alternately you could raise an error immediately 
      # raise ValueError("illegal remote url: %s" % m.group(9)) 
     return node 

DATA = ''' 
![Alt text](/path/to/img.jpg) 
![Alt text](http://remote.com/path/to/img.jpg) 
''' 

mk = Markdown() 
# patch in the customized image pattern matcher with url checking 
mk.inlinePatterns['image_link'] = CheckImagePattern(IMAGE_LINK_RE, mk) 
result = mk.convert(DATA) 
print result 

输出：

ILLEGAL: http://remote.com/path/to/img.jpg 
<p><img alt="Alt text" src="/path/to/img.jpg" /> 
<img alt="Alt text" src="http://remote.com/path/to/img.jpg" /></p>