regex 将adoc转换为markdown，同时保留latex风格的数学公式

gab6jxml 于 2023-04-22 发布在其他

关注(0)|答案(1)|浏览(127)

我有一组adoc文档，我正在转换为markdown。对于其中的大多数，我已经能够转换它们：

asciidoc -b docbook -o temp.xml <infile>
pandoc -f docbook -t markdown_strict --atx-headers --mathjax temp.xml -o <outfile>

然后是一些正则表达式来清理一些损坏的图像链接并修复标题。然而，这对内联数学方程不起作用。在adoc中，它们的语法是：latexmath:[$some_equation_here$]有时没有美元符号的多行方程。
当它被转换成DocBook XML时，它似乎被保留了下来，并且是以下格式：

<inlineequation>
<alt><![CDATA[$some_equation_here$]]></alt>
<inlinemediaobject><textobject><phrase></phrase></textobject></inlinemediaobject>
</inlineequation>

但是当pandoc将其转换回markdown时，它会忽略这些xml块。在pandoc转换期间，我如何将其保持为markdown可读的方程（$some_equation_here$）格式？mathjax扩展似乎对此操作没有帮助。
我尝试使用一个单独的python正则表达式，它将使用re.sub(r'latexmath:\[\$?(.*?)\$?\]', r'$\g<1>$', file_contents来保留$，但它会导致一些双转义文本，然后必须手动修复，并且有时会给出一些额外的/sup标记。尝试对XML文件做类似的事情，结果也是类似的。

regex

来源：https://stackoverflow.com/questions/76058051/converting-adoc-to-markdown-while-preserving-latex-style-math-equations

1条答案

按热度按时间

aoyhnmkz1#

查看pandoc代码，似乎DocBook读者希望公式位于<inlineequation>下面的<mathphrase>元素中。因此，将<alt>标记替换为<mathphrase>就足以让pandoc获取公式。这通常会产生无效的DocBook XML，因为<inlineequation>应该包含 either a <mathphrase>or<inlinemediaobjects>，但这对Pandoc来说无关紧要

cat << EOF | pandoc --from=docbook --to markdown --lua-filter=unwrap-math.lua
<para>
  <inlineequation>
    <mathphrase><![CDATA[$some_equation_here$]]></mathphrase>
    <inlinemediaobject><textobject><phrase></phrase></textobject></inlinemediaobject>
  </inlineequation>
</para>
EOF
$some_equation_here$

请注意，pandoc插入的是美元本身，因此这些美元也应该被删除。unwrap-math.lua包含

function Math (mth)
  mth.text = mth.text:gsub('^%$', ''):gsub('%$$', '')
  return mth
end

赞(0）回复(0）举报 2023-04-22

我来回答

regex 将adoc转换为markdown，同时保留latex风格的数学公式

1条答案

相关问题

热门标签

最新问答