使用python-markdown检查图像urls

Question

在我创建的一个网站上，我使用Python-Markdown来格式化新闻帖子。为了避免死链接和HTTP-content-on-HTTPS-page的问题，我要求编辑器将所有图片上传到站点，然后嵌入它们(我使用的是一个标记编辑器，我已经对其打了补丁，以便使用标准标记语法轻松嵌入这些图像)。

但是，我想在我的代码中强制执行无外部映像策略。

一种方法是编写正则表达式来从markdown源代码中提取图像src，或者甚至通过markdown渲染器运行它，然后使用DOM解析器从img标记中提取所有URL属性。

然而，我很好奇是否有某种方法可以连接到Python-Markdown来提取所有图像链接或在解析过程中执行自定义代码(例如，如果链接是外部的，则引发异常)。

Answer 1

一种方法是在Markdown解析并构造<img>节点之后，在较低的级别拦截它：

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>

Answer 2

使用Python 3和Python-Mardown 3更新

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

希望它是有用的！