Typora上传图片后提示 “image load failed“ 无法加载出图片

简介: Typora上传图片后提示 “image load failed“ 无法加载出图片

今天使用Typora的时候遇到一个奇怪的问题,我是使用PicGo用的gitee做图库,平时QQ截图的图片复制进来就直接上传显示了,但是今天我粘贴进来会显示不了(只是个别图片)

使用环境:


Typora 0.9.97(beta) + PicGo 2.3.0 + gitee图床



106.png


我去查看了一下PicGo里面显示不出来

107.png


我的码云仓库里面图片是在的


108.png


去网上找了许多教程都没搞出来,之前设置的是插入图片时上传图片,优先使用相对路径



109.png


最后怀疑是图片的大小问题,我之前上传有两张大于1MB的图片时同样也遇到了相同的问题,还有就是经过多次测试图片的长宽比例也会影响,没有找到具体的原因:


110.png


如果遇到此类问题也可以试试:

进行偏好设置,像下面这张图这样勾选


111.png


然后把路径中的**https变为http**


2022年1月29日更新:

有博主跟我之前一样是图片尺寸问题,改用阿里云存储后解决。



112.png



目录
相关文章
|
开发工具
Typora上传Gitee图床成功,却无法显示图片?(image load failed)
博主构建好Typora-Picgo-Gitee图床之后,发现:虽然图片确实上传到Gitee仓库了,而且也能看到。但是Typora本地却看不到图片,提示(image load failed)
2199 0
Typora上传Gitee图床成功,却无法显示图片?(image load failed)
|
存储 安全 对象存储
手把手教你搭建阿里云图床(PicGo+Typora+阿里云OSS),新手小白一看就会
本文详细介绍了怎样帮助新手小白从注册,购买阿里云OSS,到一步一步配置OSS做为图床,和PicGo、Typora软件连接,配置好关联之后,在使用Typora写文章时,如果需要插入图片,只需要将图片复制粘贴到Typora的编辑区域,就会自动通过PicGo上传到指定图床,自动复制外网能访问的URL并展示,简直不要太方便,极大的解决了编辑文章时复制处理图片链接的痛点。
16306 16
手把手教你搭建阿里云图床(PicGo+Typora+阿里云OSS),新手小白一看就会
|
小程序 开发工具 开发者
微信开发者工具使用教程
微信开发者工具使用教程
|
缓存 网络协议 Linux
解决github图片及网页加载不出来
解决github图片及网页加载不出来
1174 3
|
存储 Java 开发工具
【Git】Git报错:This repositorysize xxMB, exceeds 1024.00 MB.
Git报错:This repositorysize xxMB, exceeds 1024.00 MB. 错误原因:这个版本库(包括wiki)大小为xxxx MB,超过了1024.00 MB。 如何解决呢?
1058 0
|
10月前
|
缓存 JSON 供应链
使用API接口获取1688商品详情的实操指南
本文详解通过1688开放平台API获取商品详情的全流程,涵盖账号认证、应用创建、接口调用、数据解析及优化策略,助力开发者实现B2B电商数据驱动下的采购与供应链管理自动化。
|
缓存 JavaScript 安全
【Ant Design Pro】使用ant design pro做为你的开发模板(四) 联调正式后台接口与运行时全局配置
【Ant Design Pro】使用ant design pro做为你的开发模板(四) 联调正式后台接口与运行时全局配置
2482 0
【Ant Design Pro】使用ant design pro做为你的开发模板(四) 联调正式后台接口与运行时全局配置
|
测试技术
【LaTex】10 从md文件导入\导出word (因为:Typora-版本过高不能转换word 报错:Unknown option --atx-headers. )
【LaTex】10 从md文件导入\导出word (因为:Typora-版本过高不能转换word 报错:Unknown option --atx-headers. )
1311 7
|
机器学习/深度学习 数据采集 自然语言处理
HuggingFace Transformers 库深度应用指南
本文首先介绍HuggingFace Tra环境配置与依赖安装,确保读者具备Python编程、机器学习和深度学习基础知识。接着深入探讨Transformers的核心组件,并通过实战案例展示其应用。随后讲解模型加载优化、批处理优化等实用技巧。在核心API部分,详细解析Tokenizers、Models、Configuration和Dataset的使用方法。文本生成章节则涵盖基础概念、GPT2生成示例及高级生成技术。最后,针对模型训练与优化,介绍预训练模型微调、超参数优化和推理加速等内容。通过这些内容,帮助读者掌握HuggingFace Transformers的深度使用,开发高效智能的NLP应用。
2464 22
|
运维 物联网 网络虚拟化
网络功能虚拟化(NFV):定义、原理及应用前景
网络功能虚拟化(NFV):定义、原理及应用前景
2282 3