python - 在 python 3 中解析 markdown 文件中的元素

Question

如何从 python 3 中的 markdown 文件中获取元素列表？我特别感兴趣的是从 Markdown 文件中获取所有图像和链接(以及相关信息，如替代文本和链接文本)的列表。

this这是该领域的一些现有技术，但此时它几乎已经有 2 年历史了，我预计情况会发生一些变化。

如果您提出的解析器支持 multimarkdown，则会加分。

Answer 1

如果您利用两个 Python 包，pypandoc 和 panfute，您可以在几行内以 Python 方式完成此操作 ( sample code ):

给定一个文本文件 example.md，并假设您有 Python 3.3+ 并且已经执行了 pip install pypandoc panfrude，然后将示例代码放在同一文件夹中，然后从 shell 或例如从运行它空闲。

import io
import pypandoc
import panflute

def action(elem, doc):
    if isinstance(elem, panflute.Image):
        doc.images.append(elem)
    elif isinstance(elem, panflute.Link):
        doc.links.append(elem)

if __name__ == '__main__':
    data = pypandoc.convert_file('example.md', 'json')
    doc = panflute.load(io.StringIO(data))
    doc.images = []
    doc.links = []
    doc = panflute.run_filter(action, prepare=prepare, doc=doc)

    print("\nList of image URLs:")
    for image in doc.images:
        print(image.url)

步骤是:

1. 使用pypandoc获取包含markdown文档AST的json字符串
2. 将其加载到 panfute 中以创建 Doc 对象(panfute 需要流，因此我们使用 StringIO)
3. 使用 run_filter 函数迭代每个元素，并提取 Image 和 Link 对象。
4. 然后您可以打印网址、替代文本等。