使用python-markdown检查图片链接

Question

在我创建的网站上，我使用了Python-Markdown来格式化新闻帖子。为了避免出现死链接和在HTTPS页面上使用HTTP内容的问题，我要求编辑们将所有图片上传到网站，然后再嵌入这些图片（我使用的是一个经过修改的markdown编辑器，可以方便地使用标准的markdown语法来嵌入这些图片）。

不过，我想在我的代码中强制执行不使用外部图片的政策。

一种方法是写一个正则表达式，从markdown源代码中提取图片链接，或者甚至可以通过markdown渲染器处理它，然后使用DOM解析器提取所有标签中的src属性。

但是，我很好奇是否有办法在Python-Markdown中钩入，提取所有图片链接，或者在解析过程中执行自定义代码（例如，如果链接是外部的就抛出异常）。

Answer 1

更新了 Python 3 和 Python-Mardown 3

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

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

class CheckImagePattern(Pattern):

    def handleMatch(self, m):
        node = Pattern.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

希望这对你有帮助!

Answer 2

一种方法是在Markdown解析并构建完<img>节点后，稍微在底层拦截这个节点：

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>