如何利用 字符串操作实现简单的 Markdown 解析器 逻辑核心

阿婷同学_3129

阿婷同学_3129

2026-05-09

485人浏览

原创

核心思路是按行切分Markdown文本,通过前缀匹配识别标题(#级数1–6)、列表(-/*或数字序号),并用字符串方法提取内容、判断嵌套与边界,再转为HTML标签;强调与代码则依赖成对符号匹配及转义处理。

如何利用 字符串操作实现简单的 markdown 解析器 逻辑核心

核心思路是把 Markdown 文本按行切分,逐行识别常见标记(如 #、*、`、```),用字符串方法匹配前缀、提取内容、判断嵌套和边界,再转换为对应 HTML 标签。不依赖正则也能实现基础功能,关键在准确识别起始/结束位置和层级关系。

识别标题与列表:靠前缀匹配和空格计数

标题用 # 开头,后面紧跟空格才算有效:

  • 用 line.startswith('#') 初筛,再检查 line.lstrip('#').startswith(' ') 防止误判代码行
  • 标题级别 = len(line) - len(line.lstrip('#')),但需限制 1–6 级
  • 无序列表用 line.strip().startswith('- ') 或 '* ',注意前后空格;有序列表可匹配 r'^\d+\.\s'(简单场景可用 line.split('.', 1)[0].strip().isdigit())

处理强调与代码:找成对符号,避开转义和内部干扰

斜体 *text*、粗体 `code` 都依赖左右边界对称:

  • 从左到右扫描,找到第一个未被反斜杠转义的起始符号(如 *),再向右找最近的匹配结束符
  • 跳过中间已配对的同类型符号(例如 **a*b** 中,外层 ** 包含内层 *,不拆开)
  • 行内代码用单个 `,需确保起始和结束 ` 不在同一单词内,且中间无换行

解析代码块:用状态机管理三重反引号的起始与结束

不同于行内元素,代码块跨多行,需维持解析状态:

Calliper-Compare2Markdown
Calliper-Compare2Markdown

在同一同步调用中比较两份本地文档,并将差异转换为 LLM可直接使用的 Markdown,支持 PDF、Word、PPT 及图片等文档。

下载
  • 初始化 in_code_block = False 和 code_lang = ''
  • 遇到 line.strip() == '```' 或 line.startswith('```') 时切换状态;若带语言(如 ```python),提取 code_lang = line.strip()[3:].strip()
  • 在代码块内,所有内容原样保留,直到再次遇到 ``` 行才退出

段落与换行:靠空行分隔,手动处理尾部换行

Markdown 段落由空行分隔,单个换行仅渲染为
:

  • 连续非空行合并为一个段落;检测 line.strip() == '' 作为段落分界
  • 段落内末尾有两空格(' ')则视为硬换行,替换为
    后再包裹

  • 避免把缩进代码行(如 4 空格开头)误判为段落——优先匹配代码块或列表规则

相关专题

更多
js正则表达式
js正则表达式

php中文网为大家提供各种js正则表达式语法大全以及各种js正则表达式使用的方法,还有更多js正则表达式的相关文章、相关下载、相关课程,供大家免费下载体验。

2023.06.20

4636

8

正则表达式不包含
正则表达式不包含

正则表达式,又称规则表达式,,是一种文本模式,包括普通字符和特殊字符,是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串,通常被用来检索、替换那些符合某个模式的文本。php中文网给大家带来了有关正则表达式的相关教程以及文章,希望对大家能有所帮助。

2023.07.05

3141

4

java正则表达式语法
java正则表达式语法

java正则表达式语法是一种模式匹配工具,它非常有用,可以在处理文本和字符串时快速地查找、替换、验证和提取特定的模式和数据。本专题提供java正则表达式语法的相关文章、下载和专题,供大家免费下载体验。

2023.07.05

8702

9

java正则表达式匹配字符串
java正则表达式匹配字符串

在Java中,我们可以使用正则表达式来匹配字符串。本专题为大家带来java正则表达式匹配字符串的相关内容,帮助大家解决问题。

2023.08.11

812

5

正则表达式空格
正则表达式空格

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。本专题为大家提供正则表达式相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.31

520

5

Python爬虫获取数据的方法
Python爬虫获取数据的方法

Python爬虫可以通过请求库发送HTTP请求、解析库解析HTML、正则表达式提取数据,或使用数据抓取框架来获取数据。更多关于Python爬虫相关知识。详情阅读本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.13

693

12

正则表达式空格如何表示
正则表达式空格如何表示

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。想了解更多正则表达式空格怎么表示的内容,可以访问下面的文章。

2023.11.17

406

3

正则表达式中如何匹配数字
正则表达式中如何匹配数字

正则表达式中可以通过匹配单个数字、匹配多个数字、匹配固定长度的数字、匹配整数和小数、匹配负数和匹配科学计数法表示的数字的方法匹配数字。更多关于正则表达式的相关知识详情请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.12.06

719

7

php正则表达式有哪些
php正则表达式有哪些

php正则表达式有"/pattern/"、"^"、"$"、"."、"[]"、"[^]"、"[a-z]"、"[A-Z]"、"[0-9]"、"\d"、"\D"、"\w"、"\W"、&a

2024.02.23

312

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Markdown标记语言快速入门
Markdown标记语言快速入门

共30课时 | 4.4万人学习

vscode常用插件与markdown语法介绍
vscode常用插件与markdown语法介绍

共10课时 | 1.5万人学习