本文共 2009 字，大约阅读时间需要 6 分钟。
在网上有很多使用 python 的 pillow 库进行图片压缩的教程，使用简单，但是压缩效果存在明显的色彩不自然，这是因为 pillow 库采取的压缩算法没有优化的问题。
这个系列实现一款简单的压缩工具，使用 pngquant 有损压缩，压缩率高达 80%， 而且压缩后的图片没有明显差异。
上一篇使用了 pngquant 图片压缩工具进行压缩，并通过 click 命令行工具构建了 picom 包。这篇的主要功能是实现图片上传。
图片上传功能的实现
通过 pngquant 压缩图片后，得到一个 -fs8.png 为后缀的图片。想要把图片上传到云端，只需要把这个文件通过 API 发送给图片存储服务商就可以了。
先实现 sm.ms 网站的图片上传。官方提供了 API 文档 ，照着文档传入参数就可以搞定，so easy.
image.png
上传接口的参数说明：
- content-type 为 multipart/form-data ；
- Authorization 为可选项，当不需要用户管理时，可以不填；
- 传入文件的参数名为 smfile。
对应的 python 代码：
api_addr = 'https://sm.ms/api/v2/upload'files = { "smfile": open(file, 'rb')}res = requests.post(url, files=files)复制代码 获取上传的图片地址
文件上传完毕以后，需要通过 API 的响应结果得到图片的 URL。 sm.ms 的响应结果包含 2 种情况：
- 当图片已经上传过一次，会通过图片的 hash 值判断出重复。响应中的 code 为 image_repeated, 可以通过 images 取得之前已存在的图片地址。
{ "code": "image_repeated", "images": "https:..."}复制代码 - 当图片是第一次上传，code 为 success, 可以通过 data 中的 url 获取图片地址。
{ "code": "success", "data": { "url": "https:..." }}复制代码 所以在上传的函数中添加判断，获取图片 url:
resp = res.json()code = resp.get('code')if code == 'image_repeated': url = resp["images"] return urlelif code == 'success': return resp["data"]["url"]复制代码 因为有时候并不是上传单张图片，而是要上传整个文件夹下面的图片，一次性需要处理多张图片的上传操作，所以可以共用一个 session, 对应的上传图片类：
image.png
为命令行添加 --upload 可选参数
现在我可以选择是否把图片上传到网上，如果需要上传，就添加 --upload 参数；如果不需要上传，就不传这个命令行参数：
picom elephant.png -f --upload复制代码
增加 --upload 可选参数只需要在 cli 函数上多加一个 option, 然后添加上传代码就可以了：
image.png
最后得到的运行结果：
image.png
通过 yaml 记录以及上传过的图片地址
上面上传的图片地址是在命令行显示的，如果一次性使用还好，但是如果需要重复使用就需要把图片的 URL 保存起来。
sm.ms 的账号功能可以管理已经上传的图片。所以如果有 sm.ms 的账号，就不需要这个保存的功能。 但是如果不想去注册账号，有一个委曲求全的办法，就是在当前文件夹创建一个名为 uploaded_img.yaml 的文件，把已经上传的图片地址保存起来。
可以通过新建一个选项 --record 来选择是否记录在本地。python 可以通过 pyyaml 库操作 yaml 文件，存储上传的图片数据。 也可以通过 json 格式保存，大致的格式是这样的：
{ "upload":[ { "name": "elephant.png", "url" : "http://img-server/ofos.png" } ]}复制代码 因为这个功能不是特别重要，甚至可以说鸡肋，就不贴代码了。
总结
picom-upload
上传图片功能非常简单，只需要使用 requests 库的基础操作就可以完成各个图床服务商的上传操作。如果觉得 requests 库的操作比较慢，可以采用 aiohttp 进行异步传输。 这个工具暂且不考虑加快传输速度，因为现在的图床服务很多都是小本经营，没什么盈利能力，为了能提供长久服务，还是尽量少的给别人压力。
源码获取私信小编01哦！
转载地址：https://blog.csdn.net/weixin_33800724/article/details/112350880 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！
发表评论
最新留言
关于作者
