Markdown 段落标记正则表达式

Question

我正在寻找可以支持以下测试用例的正则表达式：This shouldall beone match#this should not match1. nor this> nor thisthis should be a second match所以我可以将这两个匹配项包装在 <p> 标记中。但是，我被困在换行符上：两个应该打破比赛，但一个换行符不能。这是我最接近的：(^[A-z].+)这正确地抓取了所有需要的文本，但形成了四个匹配而不是所需的两个。关于正则表达式感谢您的时间。

Answer 1

您可以使用

/^[A-Za-z].*(?:\n[A-Za-z].*)*/gm

请参阅正则表达式演示。

细节

• ^- 一行的开头（由于m修饰符）

• [A-Za-z]- 一个 ASCII 字母

• .*- 该行的其余部分

• (?:\n[A-Za-z].*)*- 零个或多个以 ASCII 字母开头的行。

Answer 2

这不是您可以使用单个正则表达式完成的事情。虽然某些 Markdown 实现确实使用正则表达式作为解析 Markdown 的主要工具，但它们使用一系列表达式来这样做（参见原始实现，markdown.pl例如）。

例如，您可能有一个匹配标题的表达式、一个匹配列表项的表达式、一个匹配块引号的表达式和一个匹配任何文本块的表达式。这些表达式中的每一个都将依次针对输入运行。但是，在运行最后一个表达式时，系列中的前一个表达式已经消耗了各种其他元素。因此，匹配段落的最终表达式不需要考虑标题、列表或块引用的匹配。

事实上，如果您要从 中删除标头表达式markdown.pl，那么所有标头都将简单地包装在<p>标签中，而散列 ( #) 仍包含在文本中。

我的意思是你需要实现一个完整的 Markdown 解析器。但是，已经存在许多实现。您可能最好使用一个已经存在的。事实上，大多数现代实现生成抽象语法树 (AST) 而不是进行正则表达式替换（正如另一个答案中指出的那样）。

Answer 3

像 Markdown/Commonmark 这样的语法不能 [easily, if at all] 用正则表达式解析。

使用适当的解析器来生成您可以操作的 AST。