javascript - 检测并替换 Markdown 文档中的文本段落

Question

我正在尝试编写/使用现有的 Markdown 解析器之一来查找并替换 Markdown 文档中的每个文本段落，并保持其他所有内容不变。

输入示例:

# A First Level Header

## Second Level Header

Now is the time for all good men to come to the aid of their country. This is just a regular paragraph.

The quick brown fox jumped over the lazy dog's back.

### Header 3

> This is a blockquote.
> 
> This is the second paragraph in the blockquote.
>
> ## This is an H2 in a blockquote

期望的效果是识别段落并替换它们，例如

# A First Level Header

## Second Level Header

[replaced]

[replaced]

### Header 3

> This is a blockquote.
> 
> This is the second paragraph in the blockquote.
>
> ## This is an H2 in a blockquote

现有库，例如 marked或markdown-it似乎无法解析和重新创建 Markdown 文档而不产生副作用。

在 Markdown 文档中查找和替换文本段落的最佳方法是什么？

Answer 1

Markdown 中的段落本质上是任何文本 block ，不是任何其他 block 级结构(由 Syntax Rules 定义)。因此，段落是一个文本 block ，它不是标题、列表、 block 引用、代码块或水平规则(因为这些是 Markdown 中定义的唯一其他 block 级结构 - 忽略一些非官方扩展)。

由于您只对查找根级别段落(而不是嵌套段落)感兴趣，因此一种简单的方法可能是简单地将文档拆分为双换行符，然后针对每个 block 的开头运行正则表达式，检查标识非的标记。 -段落类型。如果它以四个或更多空格(或一个制表符)开头；不是一个段落。如果它以 0-3 个空格和一个哈希开头；不是一个段落。如果是以0-3个空格开头，一个>和一个空格；不是一个段落。如果它以 0-3 个空格开头，则为 *、-、+ 之一和一个空格，而不是段落。等等...

一个麻烦点是 header 。标题只能是一行，哈希标题与其后面的段落之间不能有空行。然而，这很容易解决，因为标题只能是一行。如果您找到一个 header (以哈希开头的 block )，则将第一行分开，其他任何内容都是一个单独的 block ，可能是也可能不是段落。

当然，一个更棘手的问题是 setext header ，因为第二行标识它们具有 header 。然而，查找第一个换行符后跟 3 个或更多 - 或 = 的正则表达式应该可以解决问题。

如果您查看一些现有的 Markdown 实现，您需要的大多数正则表达式已经存在。当然，您将开发自己的 Markdown 解析器，并且可能会遇到各种边缘情况。但是，考虑到您非常具体的需求，我不确定您是否会找到一个现有的解析器来满足您的需求。