Question

编辑：我最近了解了一个名为CommonMark的项目正确识别并处理原文中的含糊之处降价规格。 http://commonmark.org/它有很棒的C＃库支持。

您可以找到语法here。

下载的源代码是用Perl编写的，我无意表达。它充满了正则表达式，它依赖于MD5哈希来逃避某些字符。对此有些不对劲！

我即将为Markdown的解析器进行硬编码。这有什么经验？

如果你对Markdown的实际解析没有任何意义，请给我时间。（这可能听起来很苛刻，但是，我正在寻找洞察力，而不是解决方案，即第三方库。）

为了帮助解决问题，正则表达式意味着识别模式！不要解析整个语法。人们认为这样做是foobar。

如果你考虑Markdown，它基本上是基于段落的概念。
因此，合理的方法可能是将输入分成段落。
有多种段落，例如标题，文本，列表，块引用和代码。
因此，挑战是确定这些段落及其发生的背景。

一旦我发现它值得分享，我会回来找一个解决方案。

Answer 1

我所知道的唯一使用实际解析器的降价实现是Jon MacFarleane的peg-markdown。 Its parser基于名为Parsing Expression Grammar的peg解析器生成器。

编辑：Mauricio Fernandez最近发布了他的Simple Markup Markdown parser，他在OcsiBlog Weblog引擎中写道。因为解析器是用OCaml编写的，所以非常简单和简短（parser为268 SLOC，HTML emitter为43 SLOC），但{{ 3}}（比blazingly fast（写入手动优化的C）快20％，比discount（BlueCloth）快六百倍，尽管事实如此它甚至没有针对性能进行优化。因为它仅供Mauricio自己内部用于他的博客，所以与Ruby有一些偏差，但Mauricio创建了official Markdown specification。

Answer 2

我上周发布了一个新的基于解析器的Markdown Java实现，名为pegdown。 pegdown使用PEG解析器首先构建一个抽象语法树，然后将其写入HTML。因此，与基于正则表达式的方法相比，它非常干净且更易于阅读，维护和扩展。 PEG语法基于John MacFarlanes C实现的“peg-markdown”。

也许你感兴趣的东西......

Answer 3

如果我要尝试解析markdown（及其扩展名Markdown extra），我想我会尝试使用状态机并一次解析一个char，将表示文本位的一些内部结构链接在一起然后，一旦解析完毕，我就会生成所有被串在一起的对象的输出。

基本上，当我读取输入文件时，我会构建一个类似迷你DOM的树要生成输出，我只需遍历树并输出HTML或其他任何内容（PS，LaTex，RTF，...）

可能会增加复杂性的事情：

虽然规则很容易实现，但您可以混合HTML和降价这一事实：只需忽略两个平衡标签之间的任何内容并逐字输出即可。

网址和注释的引用可以在文本的底部。使用超链接的数据结构可以简单地记录如下内容：

[my text to a link][linkkey]
results in a structure like: 
    URLStructure: 
    |  InnerText : "my text to a link"
    |  Key       : "linkkey"
    |  URL       : <null>

标题可以用下划线定义，这可能会迫使我们在通用段落中使用简单的数据结构，并在读取文件时修改其属性：

ParagraphStructure:
|  InnerText    : the current paragraph text 
|                 (beginning of line until end of line).
|  HeadingLevel : <null> or 1-4 when we can assess 
|                 that paragraph heading level, if any.

无论如何，只是一些想法。

我确信有很多小细节要处理，我很确定Regexes在这个过程中会变得很方便。
毕竟，它们是为了处理文本。

Answer 4

我可能已经阅读了足够多的语法规范来了解它，并了解如何解析它。

阅读现有的解析器代码当然很棒，既可以看到似乎是复杂性的主要来源，也可以使用任何特殊的巧妙技巧。 MD5校验和的使用似乎有点奇怪，但我还没有研究足够的代码来理解它为什么要完成。名为_EscapeSpecialChars()的例程中的注释声明：

我们用相应的MD5校验和值替换每个这样的字符; 这可能是矫枉过正，但它应该可以防止我们与逃跑相撞意外的价值观。

用完整的MD5替换单个角色确实看起来很奢侈，但也许它真的很有意义。

当然，考虑为Flex之类的工具创建一个“真正的”语法来摆脱正则表达式的沼泽是很聪明的。

Answer 5

如果Perl不是你的事，那么at least 10 other languages中有Markdown实现。他们可能并非都具有100％的兼容性，但往往非常接近。

Answer 6

MarkdownPapers是另一个Java实现，其解析器以JavaCC语法定义。

Answer 7

Here您可以找到Markdown的JavaScript实现。它也非常依赖于正则表达式，因为这只是解析文本的最快速，最简单的方法。

但是它使MD5失去了部分。

我无法直接帮助解析编码，但也许这个链接可以帮助你这样或那样。

Answer 8

有多种语言的库可用，包括php，ruby，java，c＃，javascript。我建议看一些这些想法。

这取决于您希望使用哪种语言，为了实现它的最佳方式，将会有惯用的和非惯用的方法来实现它。

正则表达式在perl中工作，因为perl和regex是最好的朋友。

Answer 9

如果您使用的是其他三种以上的编程语言用户，您应该能够找到一个库来为您解析它。一个快速Google-ing显示了CL，Haskell，Python的库， JavaScript，Ruby等等。你不太可能需要重新发明这个轮子。

如果你真的必须从头开始写，我建议写一个适当的解析器。使用这种技术，您不必逃避任何事情使用MD5哈希值。（我同意，如果你必须这样做，是时候重新考虑你的设计了。）

Answer 10

Markdown是一个JAWL（只是另一种维基语言）

有很多开源维基，你可以检查解析器的代码。大多数人使用REGEX

查看screwturn wiki，有一个有趣的多通道格式化程序管道，这是一个非常好的技术 - 请参阅/core/Formatter.cs和/core/FormatterPipeline.cs

最好是使用/加入现有项目，这些事情总是比它们出现的要难得多

你会如何解析Markdown？

10 个答案: