图片本地化:让采集内容不再依赖外站图床
采集来的文章如果直接引用原站图片,会带来三个问题:原站防盗链导致图片不显示;原站删文后图片全部失效;页面加载依赖第三方域名,速度不可控。
异步队列比同步下载更合适
一篇带十几张图的文章,同步下载可能要十几秒,会拖垮发布接口的响应时间。更合理的做法是入库立刻返回,把「下载图片 + 替换正文中的 src」丢进后台队列异步执行。
哈希去重与复用
同一张图可能被多篇文章引用。下载后按内容哈希命名,遇到相同哈希直接复用,既能省带宽,也能避免存储里堆满重复文件。
失败要有兜底
下载失败不应导致文章不可用。保留原始链接、记录失败次数、超过阈值后标记为「图片未本地化」,让编辑在后台看到并决定是否手动处理。
正文替换要精确
替换 src 时只处理 img 标签的地址属性,不要全局字符串替换,否则容易误伤正文里恰好包含相同字符串的说明文字。