从base64格式的HTML中提取图片

前言

今天准备把前几年在手机上写的小作文转到博客上，但是发现导出的格式是base64的HTML文件（尝试导出过word或者pdf格式，但是不尽人意），其中的图片就不是那么方便复制，而且是原图，占用的空间比较大。于是就有了下面这段Python代码。

代码

import re
import base64
from io import BytesIO
from PIL import Image

# 读取 HTML 文件
with open("your_file.html", "r", encoding="utf-8") as file:
    html_content = file.read()

# 查找所有 base64 数据
base64_images = re.findall(r'data:image/[^;]+;base64,([^\"]+)', html_content)

# 保存图片为 WebP 格式
for i, base64_data in enumerate(base64_images):
    try:
        # 解码 Base64 数据
        image_data = base64.b64decode(base64_data)

        # 打开图片
        img = Image.open(BytesIO(image_data))

        # 转换为 RGB 模式（移除透明通道）
        img = img.convert("RGB")

        # 保存为 WebP 格式文件
        file_name = f"image_{i + 1}.webp"
        img.save(file_name, "WEBP", quality=80)
        print(f"图片已保存为 {file_name}")
    except Exception as e:
        print(f"转换失败：{e}")

效果演示