从Markdown文件中解析和遍历元素

Question

我想解析然后遍历Markdown文件。我正在寻找像xml.etree.ElementTree这样的东西，但是对于Markdown。

一种选择是转换为HTML，然后使用另一个库来解析HTML。但是我想避免这一步。

感谢。

Answer 1

正如另一条评论提到的那样，Python-Markdown有一个extension API，它碰巧使用了xml.etree.ElementTree。理论上，您可以创建一个扩展来访问该内部ElementTree对象并使用它执行您想要的操作。但是，如果您使用原始HTML（包括HTML实体）和/或codehilite扩展，您将获得一个不完整的文档，因为有一些后处理器在序列化字符串上运行。所以我不会为了你的预期目的而重新开始它（完全披露：我是Python-Markdown的开发者）。

如果Markdown实现存在here，则列表相当冗长。在该列表中的纯Python实现中，Mistune是我所知道的唯一一个使用两步过程的步骤（第一步返回一个解析树，第二步序列化解析树 - 你只需要第一步）。我从来没有亲自使用Mistune，也不能说它的稳定性或准确性，但它应该是非常好的JavaScript库Marked的Python克隆。

如果你四处搜索，我相信一些C实现使用类似的模式。其中一些甚至可能已经有一个Python包装器。如果没有，使用ctypes创建包装器应该不会太难。

如果由于某种原因你想使用一个没有给你完整解析树的实现，那么我建议使用LXML（C lib的python包装器）或{{3来解析生成的HTML。 （纯python），它们都可以返回一个ElementTree对象并且速度更快（尤其是LXML）并且对无效HTML更加宽容（尤其是html5lib，它更像现实世界中的真实浏览器）。请记住，Markdown可以包含原始HTML，并且大多数Markdown解析器只是简单地传递它，有效或无效。如果您尝试使用基于XML的解析器（如xml.etree）或严格的HTML解析器（如标准库中的html.parser）解析它，则单个无效标记可能会使HTML解析器崩溃。

Answer 2

有Markdown解析模块，但与XML和HTML处理模块不同，它们往往嵌入Markdown渲染包中，而不是用于任意Markdown解析工作。

所以选择一个是查看Python中的Markdown处理器，其中there are a ton找到你最喜欢的解析器，并采用它。

根据您想要完成的任务，可能更容易找到已经可扩展的Markdown处理模块，并构建处理扩展。例如，Python-Markdown有an complete extension mechanism。