Python实现一键提取文本中的Markdown格式图片链接

目录

• 前言
• 简要代码原理介绍
• 1. 图片链接提取逻辑
• 2. 批量下载逻辑
• 完整代码
• 效果演示

经常转载博客的朋友可能会遇到一个头疼的问题：很多博客平台不支持直接引用外站图片，导致转载后的文章图片无法正常显示。如果手动一张张找图片链接、复制、下载，不仅效率低，还容易遗漏。

为了解决这个问题，我写了一个「图片链接提取与下载工具」，它能自动从文本中提取Markdown格式的图片链接（即![描述](链接)形式），并批量下载到本地。只需粘贴文本、点击提取、再点下载，所有图片就能自动保存，彻底告别手动操作的繁琐。

代码仓库已经上传到github 可以通过链接直接下载：https://github.com/ChenAI-TGF/Extract_Fig_From_Markdown

这个工具的核心功能分为两部分：图片链接提取和批量下载，我们重点看这两部分的逻辑实现。

Markdown中图片的标准格式是![图片描述](图片链接)，比如![示例图](https://example.com/image.jpg)。我们需要从中提取出括号里的图片链接，这里用到了正则表达式：

# 正则表达式匹配![描述](链接)格式
pattern = r'![.*?]((.*?))'
self.image_links = re.findall(pattern, text)

正则表达式r'![.*?]((.*?))'的作用：

• ![.*?]匹配![图片描述]部分（.*?表示非贪婪匹配，避免匹配到多个图片时出错）；
• ((.*?))匹配(图片链接)部分，其中(.*?)会捕获括号里的链接内容；
• re.findall会提取所有符合格式的链接，存到image_links列表中。

提取到链接后，需要将图片批量下载到本地，核心步骤如下：

创建存储文件夹：自动在程序所在目录创建image文件夹，用于存放下载的图片：

image_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "image")
if not os.path.exists(image_dir):
    os.makedirs(image_dir)

遍历链接并下载：循环处理每个提取到的链接，用requests库发送请求获取图片数据：

for i, link in enumerate(self.image_links, 1):
    # 发送请求获取图片
    response = requests.get(link, timeout=10, stream=True)
    response.raise_for_status()  # 检查请求是否成功（比如404、500错误）

处理文件格式：自动识别链接中的文件扩展名（如jpg、png），如果格式不常见则默认保存为jpg：

if '.' in link:
    ext = link.split('.')[-1].lower()
    # 限制常见图片扩展名
    if ext not in ['jpg', 'jpeg', 'png', 'gif', 'bmp', 'webp']:
        ext = 'jpg'
else:
    ext = 'jpg'

保存图片：分块写入图片数据（适合大文件），避免内存占用过高：

filename = f"{i}.{ext}"  # 用序号命名，如1.jpg、2.png
file_path = os.path.join(image_dir, filename)
with open(file_path, 'wb') as f:
    for chunk in response.iter_content(chunk_size=1024):
        if chunk:  # 过滤空块
            f.write(chunk)

异常处理与进度反馈：下载过程中会捕获错误（如链接失效、网络问题）并提示，同时通过进度条实时显示下载进度。

import tkinter as tk
from tkinter import scrolledtext, ttk, messagebox
import re
import requests
import os
from threading import Thread
import time

class ImageLinkExtractor:
    def __init__(self, root):
        self.root = root
        self.root.title("图片链接提取与下载工具")
        self.root.geometry("800x600")
        self.root.resizable(True, True)
        
        # 设置中文字体支持
        self.font = ('SimHei', 10)
        
        # 创建UI组件
        self.create_widgets()
        
        # 存储提取到的链接
        self.image_links = []
        
    def create_widgets(self):
        # 创建主框架
        main_frame = ttk.Frame(self.root, padding="10")
        main_frame.pack(fill=tk.BOTH, expand=True)
        
        # 文本输入区域
        ttk.Label(main_frame, text="请输入包含图片链接的文本:", font=self.font).pack(anchor=tk.W)
        self.text_input = scrolledtext.ScrolledText(main_frame, wrap=tk.WORD, font=self.font)
        self.text_input.pack(fill=tk.BOTH, expand=True, pady=(5, 10))
        
        # 按钮区域
        button_frame = ttk.Frame(main_frame)
        button_frame.pack(fill=tk.X, pady=(0, 10))
        
        self.extract_btn = ttk.Button(button_frame, text="提取链接", command=self.extract_links)
        self.extract_btn.pack(side=tk.LEFT, padx=(0, 10))
        
        self.download_btn = ttk.Button(button_frame, text="下载图片", command=self.start_download, state=tk.DISABLED)
        self.download_btn.pack(side=tk.LEFT)
        
        # 进度条
        self.progress_var = tk.DoubleVar()
        self.progress_bar = ttk.Progressbar(main_frame, variable=self.progress_var, length=100)
        self.progress_bar.pack(fill=tk.X, pady=(0, 10))
        
        # 结果显示区域
        ttk.Label(main_frame, text="提取结果与状态:", font=self.font).pack(anchor=tk.W)
        self.result_text = scrolledtext.ScrolledText(main_frame, wrap=tk.WORD, font=self.font, height=10)
        self.result_text.pack(fill=tk.BOTH, expand=True)
        self.result_text.config(state=tk.DISABLED)
    
    def log(self, message):
        """在结果区域显示消息"""
        self.result_text.config(state=tk.NORMAL)
        self.result_text.insert(tk.END, message + "n")
        self.result_text.see(tk.END)
        self.result_text.config(state=tk.DISABLED)
    
    def extract_links(self):
        """从文本中提取图片链接"""
        text = self.text_input.get("1.0", tk.END)
        
        # 正则表达式匹配![描述](链接)格式
        pattern = r'![.*?]((.*?))'
        self.image_links = re.findall(pattern, text)
        
        if self.image_links:
            self.log(f"成功提取到 {len(self.image_links)} 个图片链接:")
            for i, link in enumerate(self.image_links, 1):
                self.log(f"{i}. {link}")
            self.download_btn.config(state=tk.NORMAL)
        else:
            self.log("未找到任何图片链接")
            self.download_btn.config(state=tk.DISABLED)
    
    def start_download(self):
        """开始下载图片（在新线程中执行以避免UI冻结）"""
        if not self.image_links:
            messagebox.showwarning("警告", "没有可下载的图片链接")
            return
        
        # 禁用按钮防止重复操作
        self.extract_btn.config(state=tk.DISABLED)
        self.download_btn.config(state=tk.DISABLED)
        
        # 启动下载线程
        Thread(target=self.download_images, daemon=True).start()
    
    def download_images(self):
        """下载图片并保存到image文件夹"""
        # 创建image文件夹
        image_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "image")
        if not os.path.exists(image_dir):
            os.makedirs(image_dir)
            self.log(f"已创建image文件夹: {image_dir}")
        
        total = len(self.image_links)
        success_count = 0
        
        for i, link in enumerate(self.image_links, 1):
            try:
                self.log(f"正在下载第 {i}/{total} 张图片...")
                
                # 发送请求
                response = requests.get(link, timeout=10, stream=True)
                response.raise_for_status()  # 检查请求是否成功
                
                # 获取文件扩展名
                if '.' in link:
                    ext = link.split('.')[-1].lower()
                    # 限制常见图片扩展名
                    if ext not in ['jpg', 'jpeg', 'png', 'gif', 'bmp', 'webp']:
                        ext = 'jpg'
                else:
                    ext = 'jpg'
                
                # 保存文件
                filename = f"{i}.{ext}"
                file_path = os.path.join(image_dir, filename)
                
                with open(file_path, 'wb') as f:
                    for chunk in response.iter_content(chunk_size=1024):
                        if chunk:
                            f.write(chunk)
                
                success_count += 1
                self.log(f"成功保存: {filename}")
                
            except Exception as e:
                self.log(f"下载失败 (第 {i} 个链接): {str(e)}")
            
            # 更新进度条
            progress = (i / total) * 100
            self.progress_var.set(progress)
            self.root.update_idletasks()
            
            # 稍微延迟一下，避免请求过于频繁
            time.sleep(0.1)
        
        # 下载完成
        self.progress_var.set(100)
        self.log(f"n下载完成！成功下载 {success_count}/{total} 张图片")
        self.log(f"图片保存路径: {image_dir}")
        
        # 恢复按钮状态
        self.extract_btn.config(state=tk.NORMAL)
        self.download_btn.config(state=tk.NORMAL)
        
        # 显示完成消息
        messagebox.showinfo("完成", f"下载完成！成功下载 {success_count}/{total} 张图片n保存路径: {image_dir}")

if __name__ == "__main__":
    root = tk.Tk()
    app = ImageLinkExtractor(root)
    root.mainloop()

打开工具：运行代码后，会显示一个图形界面，包含文本输入区、提取/下载按钮、进度条和结果显示区。

输入文本：将包含Markdown图片格式的文本（比如从博客复制的内容）粘贴到上方的文本输入区，例如：

这是一篇测试文章，包含3张图片：

提取链接：点击「提取链接」按钮，工具会自动识别并显示所有图片链接，结果区会显示提取到的链接数量和具体地址，此时「下载图片」按钮变为可点击状态。

批量下载：点击「下载图片」按钮，工具会在程序所在目录创建image文件夹，并开始下载图片。进度条会实时显示下载进度，结果区会提示每张图片的下载状态（成功/失败原因）。

查看结果：下载完成后，会弹出提示框显示成功数量和保存路径，打开image文件夹就能看到所有下载的图片（按1.jpg、2.png等序号命名）。

有了这个工具，转载博客时处理图片的效率能提升不少，再也不用手动一个个下载了。如果需要处理其他格式的图片链接，也可以通过修改正则表达式来适配，非常灵活~

以上就是Python实现一键提取文本中的Markdown格式图片链接的详细内容，更多关于Python提取文本中图片链接的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python利用Spire.OCR for Python实现从图片中提取文本和坐标
• Python实现精准提取 PDF中的文本,表格与图片
• Python提取Pdf文件内容的操作方法(表格、文本、图片)
• Python实现提取Word文档中的文本和图片
• Python实现提取或替换PPT中文本与图片的示例代码