爱客仕-前端团队博客园

hexo-html-to-markdown之探索

发表于 |

自从知道了cheerio这个神器之后，就想能不能把hexo生成的html重新转为markdown，毕竟，我已经第三次把原文件弄丢了。。

必备的npm包：

  • cheerio
  • to-markdown

此外，还是需要一些正则替换。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
var fs = require('fs')
var path  = require('path')
var cheerio = require('cheerio')
var toMarkdown = require('to-markdown')
var filePath = path.resolve('./post')
fs.readdir(filePath, function(err, files) {
    if (err) {
        console.log(err)
    }
    files.forEach(function(fileName) {
        fs.stat(path.join(filePath, fileName), function(err, stats){
            if (stats.isFile()) {
                writeFile('', fileName)
            } else {
                var name = fileName
                readFile(path.join(filePath, fileName), name)
            }
        })
    })
})
/**
 * 读取目录
 * @param readUrl
 * @param name
 */
function readFile(readUrl, name){
    var name = name
    fs.readdir(readUrl, function(err, files){
        if(err){
            console.log(err)return
        }
        files.forEach(function(fileName){
            fs.stat(path.join(readUrl, fileName), function(err, stats){
                if (err) throw err
                //是文件
                if(stats.isFile()){
                  writeFile(name, fileName)
                //是子目录
                }else if(stats.isDirectory()){
                    var dirName = fileName
                    readFile(path.join(readUrl, fileName), name + '/' + dirName)
                }
            })
        })
    })
}
/**
 * 提取内容，写入文件
 * @param name
 * @param fileName
 */
function writeFile(name, fileName) {
    if (path.extname(fileName) !== 'html') {
        return
    }
    var newUrl = path.join(name, fileName)
    var p = path.join(filePath, newUrl)
    // 转为markdown
    var html = toMarkdown(fs.readFileSync(p, 'utf8').toString())
    // 解析html,decodeEntities为false表示关闭实体编码转换
    var $ = cheerio.load(html, { decodeEntities: false })
    // 标题
    var title = $('.post-title').text() || ''
    // 发表日期
    var date = $('.post-time time').attr('content') || ''
    // 头部内容
    var header = `title: ${title}\ndate: ${date}\ntags: \n---\n`
    // 主体内容
    var post = $('.post-body').html() || ''
    // 1 替换高亮代码中的行数
    // 2 提取带链接的标题内容
    // 提取高亮代码，用"```"包裹
    var docs = header +
        post.replace(/<td class="gutter">[\s\S]*?<\/td>/g, '')
            .replace(/(#* )\[\]\(#([\s\S]*?) "([\s\S]*?)"\)\3/g,'$1$2')
            .replace(/<figure[^>]*?>[\S\s]*?<pre>([\s\S]*?)<\/pre>[\s\S]*?<\/figure>/g, function(match, s1) {
                return '```\n' + cheerio.load(s1, {decodeEntities: false}).text() + "\n```"
            })
    // 输出路径
    var outUrl = newUrl.replace(/\//g, '-').replace(/\s/g, '').replace(/\-index.html/, '.md')
    // 写入内容
    fs.open(path.join(__dirname, outUrl), "w",function(err, fd){
        var buf = new Buffer(docs)
        fs.write(fd, buf, 0, buf.length, 0, function(err, written, buffer){})
    })
}

待解决的问题：

1、表格的支持(to-markdown对表格的处理是原样输出)

2、代码片段缩进丢失

3、行内代码片段如果是标签，如<object>,to-markdown在转换时会自动在内容末尾加上</object>