url提取工具_python | 文章公式img转url小工具

本文投稿自公众号【zinghd的思考】，一个玩飞控的算法工程师大佬！

我写的文章里通常有很多公式，这些公式是用LaTeX语法写的，

经过浏览器的渲染就可以显示为正确的公式，但是公众号和有些网站对公式的支持很差，无法显示正确排版的公式。如果需要把文章发到不同的网站，往往需要单独调整格式。

所以通常的做法是，把公式转换成图片，使用url的形式显示图片，然后再发到公众号，保证公式的正确。

于是我想，能不能写个工具，把文章里的公式都转成图片，并且直接生成一篇转换后新的文章。

我把这个目标分解成了几个步骤：
1.输入原始文章，查找其中的LaTeX
2.提取文章中的latex公式，转换成图片
3.把图片下载到我的git本地仓库
4.git上传到github
5.生成图片的url
6.用url替换latex公式，生成新的文章

输入原始文章，查找其中的LaTeX语法

这一步主要用到的知识点：
python如何提取文件中的中文
用正则表达式在字符串中提取自己想要的部分

source_article_path='D:\\OneDrive - business\\Markdown\\自动生成的新文章'
source_article='2018-11-07[飞控]姿态误差(一)-欧拉角做差.md'
with open(source_article_path+'\\'+source_article,'rb') as f:
    #以utf-8格式提取中文，避免出现乱码
    article=f.read().decode('utf-8')
    comment = re.compile('\$\$.*?\$\$', re.DOTALL)
    a=comment.findall(article,re.S)
print('提取'+source_article+'中的公式')

latex公式转换成图片并下载

借用第三方网址，把latex语法转换成图片
这一步用到一点爬虫的网络请求
以及如何下载图片

for i in range(len(a)):
    formula=a[i][2:-2]
    #formula 就是latex语法 的字符串
    img = session.get('http://latex.codecogs.com/gif.latex?' + formula)
    #下载转换好的图片
    f = open(str(i)+'.png', 'ab')
    f.write(img.content) ##多媒体文件要是用conctent哦！
    f.close()
    #暂停10s,太快会被封IP
    time.sleep(10)   

构造图片url格式

因为GitHub不会自己返回图片的url,所以需要根据自己的仓库名和图片明自己构造url。
这一步图片还没上传，只是先构造url,用到的是字符串操作的基础知识。

    img_url='https://raw.githubusercontent.com/ZingHD/Markdown_picture/master/'+article_title+'/'+str(i)+'.png'
    img_urls.append(img_url)
    print('正在生成图片 进度'+str( ((i+1)/len(a))*100) + '%')
    print(img_urls[i])

git上传到github

使用python的git库，自动添加修改，并上传到自己的GitHub

repo = git.Repo(r'D:\Markdown_picture')
git = repo.git
git.add(article_title) # git add test1.txt
git.commit('-m', 'add'+article_title+time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())) # git commit -m 'this is a test'
remote = repo.remote()
remote.push()

用url替换latex公式，生成新的文章

print('在目录'+'source_article_path'+'中用url替换文章里的公式')
with open(source_article_path+'\\'+source_article,'rb') as f:
    article=f.read().decode('utf-8')
    #构造url的markdown调用格式，并且替换掉原文件的latex语法
    for i in range(len(img_urls)):
        b=article.replace(a[i], '![]('+img_urls[i]+')')
        article = b
##重新写入新文件
print('在目录'+'source_article_path'+'中用生成新的md文件')
with open('new'+source_article,'w', encoding='utf-8') as f:
    f.write(b+'\n')

到此就完成了我需要的全部功能。

可继续改进的地方：
1.判断是否有重复文件夹，重复图片，有就跳过
2.调用次数过多会被封IP

收获，在没有分解任务之前觉得非常难，但是通过任务的合理划分，把任务分成一个一个可以执行的小步骤，你会发现每个步骤都是可以明确行动，并且涉及的知识也是非常初级的。就像给自己制定计划一样，如果把计划拆分到每一个可以执行的步骤，你会发现你离你的目标越来越近。

每一次折腾都是进步，关注微信公众号，回复【img2url】可以获得img2url的源码哦。

这么硬的干货，不给个好看？！

欢迎关注这个骚包程序猿?