正则表达解析 Markdown 语法

2019-03-07 JavaScript 阅读 1873 次

转载请注明出处

原文连接 http://blog.huanghanlian.com/article/5c80b4176f8b011040530140

文章起源

源于本博客开发实现需要

  1. 在首页列表需要对文字进行截取,需要截取第一张Markdown 语法的图片url。
  2. 在文章详情页以及关于文章展示的页面。需要对文章内容进行截取。填充headdescription。利于seo优化

Markdown 是一种可以使用普通文本编辑器编写的标记语言,通过简单的标记语法,它可以使普通文本内容具有一定的格式。

真实场景以及功能需求

  1. 文章编写 正则表达解析 Markdown 语法-黄继鹏博客

  2. 文章列表预览 正则表达解析 Markdown 语法-黄继鹏博客

  3. 头部描述截取 正则表达解析 Markdown 语法-黄继鹏博客

需要做的事情是将文章Markdown 语法的字符串,对特定的语句进行过滤。只显示文章正文部分

实现场景

文章编写存入数据库是字符串类型

正则表达解析 Markdown 语法-黄继鹏博客

在访问某篇文章后台会去数据库中取对应的文章数据。 然后通过匹配将Markdown 语法的字符串转义成html元素字符渲染输出

'# 一级标题\r\n## 二级标题\r\n##### 五级标题\r\n- 列表第一项\r\n- 列表第二项\r\n1. 有序列表第一项\r\n2. 有序列表第
二项\r\n[标题](链接地址)\r\n![正则表达解析 Markdown 语法-黄继鹏博客](图片链接地址)\r\n*斜体*\r\n**粗体**\r\n> 引用段落\r\n```\r\n代码块\r\n```'

现在需要做的是将这些字符去掉不想要的,提取内容部分

正则表达式规则

在使用正则表达式解析 Markdown 语法之前,我们要先对正则表达式的规则有一个基本的认识,下面我整理了一张正则表达式语法对照表。

正则表达式预定义类:

字符 含义
. 除了回车符和换行符之外的所有字符,等价于[^\r\n]
\d 数字字符,等价于[0-9] digit
\D 非数字字符,等价于[^0-9]
\s 空白符,等价于[\t\n\x0B\f\r] space
\S 非空白符,等价于[^\t\b\x0B\f\r]
\w 单词字符(字母,数字,下划线),等价于[a-zA-Z_0-9] word
\W 非单词字符,等价于[^a-zA-Z_0-9]

边界

字符 含义
^ 以xxx开始
$ 以xxx结束
\b 单词边界
\B 非单词边界

量词

字符 含义
出现零次或一次(最多出现一次)
+ 出现一次或多次(至少出现一次)
* 出现零次或多次(任意次)
{n} 出现n次
{n,m} 出现n到m次
{n,} 至少出现n次

正则表达式解析 Markdown 语法

Markdown 语法包括标题、图片、链接、引用块、列表、粗体、斜体等,下面是解析这些语法的正则表达式和简单说明:

  1. 标题(表示以一个或多个“#”开头的字符串,并且“#”之后有0个或以上的字符,如:“### 三级标题”)。
^(#+)(.*)
  1. 链接 (在 Markdown 语法中链接的表示形式为 [链接](URL)。)。
/\[[\s\S]*?\]\([\s\S]*?\)/g

解释: 匹配 [符 开始 紧接着[\s\S]范围类 空白符或者非空白符都可以的类。 *代表出现0次或者无限次 ?非贪婪模式 让正则表达式尽可能少的匹配,也就是说一旦匹配成功匹配不再继续尝试,就是非贪婪模式。 做法很简单,在量词后面加上?即可。

  1. 斜体(表示以一个 * 或者 _ 开头并结尾(\1表示规则和第一个集合相同),中间包含0个或多个字符的字符串)。
(\\*|_)(.*?)\\1
  1. 图片(部分地方同链接)
!\\[[^\\]]+\\]\\([^\\)]+\\)
  1. 粗体(同斜体)
(\\*\\*|__)(.*?)\\1
  1. 删除线(删除线)
\\~\\~(.*?)\\~\\~
  1. 引用块
\n(>|\\>)(.*)
  1. 内联代码块
`{1,2}[^`](.*?)`{1,2}
  1. 分割线
^-+$
  1. *```*包围的代码块
```([\\s\\S]*?)```[\\s]?
  1. 无序列表
^[\\s]*[-\\*\\+] +(.*)
  1. 有序列表
^[\\s]*[0-9]+\\.(.*)
function abstractFn(res){
  if(!res){
    return '';
  }else{
    var str=res.replace(/(\*\*|__)(.*?)(\*\*|__)/g,'')          //全局匹配内粗体
    .replace(/\!\[[\s\S]*?\]\([\s\S]*?\)/g,'')                  //全局匹配图片
    .replace(/\[[\s\S]*?\]\([\s\S]*?\)/g,'')                    //全局匹配连接
    .replace(/<\/?.+?\/?>/g,'')                                 //全局匹配内html标签
    .replace(/(\*)(.*?)(\*)/g,'')                               //全局匹配内联代码块
    .replace(/`{1,2}[^`](.*?)`{1,2}/g,'')                       //全局匹配内联代码块
    .replace(/```([\s\S]*?)```[\s]*/g,'')                       //全局匹配代码块
    .replace(/\~\~(.*?)\~\~/g,'')                               //全局匹配删除线
    .replace(/[\s]*[-\*\+]+(.*)/g,'')                           //全局匹配无序列表
    .replace(/[\s]*[0-9]+\.(.*)/g,'')                           //全局匹配有序列表
    .replace(/(#+)(.*)/g,'')                                    //全局匹配标题
    .replace(/(>+)(.*)/g,'')                                    //全局匹配摘要
    .replace(/\r\n/g,"")                                        //全局匹配换行
    .replace(/\n/g,"")                                          //全局匹配换行
    .replace(/\s/g,"")                                          //全局匹配空字符;
    return str.slice(0,155);
  }
}
2条评论
...
  • Aresword

    记得去掉冒号

    回复

    ...
  • Aresword

    漏了表格哈哈,我自己写的,给博主补上QwQ:(\s*(\|.*)+\|)(\n\s*(\|-)+\|)(\n\s*(\|.*)+\|)*

    回复

    ...