处理render_to_response中的图像缓存

Question

简要版本：

我希望将图片网址从render_to_response调用的输出中删除，并将其替换为本地缓存副本（如果它不存在则创建它）。我有一个实现的想法，但似乎每个人和他的妻子之前都这样做过，所以当我使用经过试验和测试的版本时，我不想浪费我的时间。

为什么：

我正在使用django为我的后端开发一个联合客户端（我打算制作一个浏览器版本，这样可以简化转换）。现在，对于我的客户端的移动版和桌面版，我希望能够离线查看供稿，例如长途旅行时。我想它实际上就像是Instapaper的供稿版本。

我的解决方案：

我的数据库中有一个表，其中包含图像URL，最后更新时间和ImageField。目的是每当我遇到一个图像网址时，我会在这个表格中查找它（这将是主要索引）。

try:
  img = Image.objects.get(url=image_url)
except Image.DoesNotExist:
  img = Image(url=image_url, image=standard_placeholder)
  img.save()
if not img.last_updated or too_long_ago(img.last_updated):
  try:
    new_image = File(open(urllib.urlretreive())[0])
    img.image.save(md5(img.url),new_image)
    img.update()
  except:
    pass
return img.image

然后所有我要做的是将render_to_response中的图像替换为来自此处的图像。

我已经发现的问题：

我不完全确定我打算如何找到所有图片网址。 src对图像标记的争论应该很容易，并且应该覆盖大多数情况，但是有没有其他方法更加万无一失，而且漏洞少了一些？

Answer 1

如何创建custom template tag/filter来检查网址是否被缓存并决定使用哪个网址？

Answer 2

由于您正在提供已爬网的html，因此您应该使用lxml之类的解析器对其进行过滤。在执行此操作时，您可以尝试查找img标记，获取图像并更改网址。我建议使用Celery作为离线任务。

Answer 3

使用BeautifulSoup或HTMLParser之类的东西来解析文档并提取所有<img>代码并获取src属性。