pandoc word转markdown之后正则修改

问题

用pandoc工具将doc文件转换为markdown文件后，有关图片的处理会变成：

(./url路径){width="3.46875in" height="1.0729166666666667in"}

但是我要展示到前端的，前端组件用的v-md-preview，结果展示的时候，后面的宽高没有识别，也展示出来了，那么就得把它去掉了，去掉之后也没有感觉有什么影响。

方法

后端处理：

思路

java正则匹配以{开始}结束的子串，并替换为""

正则： (({width)(.*?)(})) 匹配以{width开头并且以}结尾的子串

java 复制代码

 public static void main(String[] args) {
        //字符串
        String line = "abcd{width=jfdksljfsdfjdslk}11111 ";
        //正则表达式
        String pattern = "(\\{width)(.*?)(\\})"; //Java正则表达式以括号分组，第一个括号表示以"{width"开头，第三个括号表示以}结尾，中间括号为目标值
        String replaceStr = "";
        Pattern r = Pattern.compile(pattern);
        Matcher m = r.matcher(line);
        while (m.find()) {
           m.group();
           replaceStr = m.replaceAll(""); //将匹配到的内容清空
        }

最后输出：abcd11111

解决！

参考来自：正则匹配

后续

结果width与height不知道怎么的，总是换行的，然后正则就匹配不到，也没找到跨行可以捕获的正则，于是就改成了一半一半的去匹配替换，另外又补充了一些其他可能存在的转换格式错误的地方，就都加进来了

java 复制代码

package Tool;

import cn.hutool.core.io.FileUtil;

import java.io.File;
import java.nio.charset.StandardCharsets;
import java.util.Arrays;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 将pandoc转换后md文件转换为为合规的文件
 */
public class FileTrans {


    /**
     * 将文档内的字符串进行替换
     * 原字符串：strOld
     * 替换后的自古穿：strNew
     *
     * @param mdStr
     * @return
     */
    public static String turnStr(String mdStr, String strOld, String strNew ) {
        String turnStr = mdStr.replaceAll(strOld, strNew);
        return turnStr;
    }


    /**
     * 删除生成文件中无用的字符串 width
     *
     * @param
     */
    public static String delUnUsefulStr(String text) {
        String regex = "((\\{width)(.+)(\"))";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(text);
        String replaceStr = "";

        if (matcher.find()) {
            // 字符串匹配成功,删除该处内容
            matcher.group();
            replaceStr = matcher.replaceAll("");
        }
        return  replaceStr;
    }


    /**
     * 删除生成文件中无用的字符串height
     *
     * @param
     */
    public static String delUnUsefulStr1(String text) {
        String regex = "((height)(.*?)(\\}))";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(text);
        String replaceStr = "";

        if (matcher.find()) {
            // 字符串匹配成功,删除该处内容
            matcher.group();
            replaceStr = matcher.replaceAll("");

        }
        return  replaceStr;
    }

    public static void main(String[] args) {

        String mdStr = FileUtil.readString(new File("D:\\pandoc\\help1.md"), "utf-8");
        //删除width
        String s1 = delUnUsefulStr(mdStr);
        //删除height
        String s2 = delUnUsefulStr1(s1);
        //替换路径 正式存放路径都为中文三级菜单 /pss/template/三级菜单/images/1.png
        String s3 = turnStr(s2, "/text/", "/text/1111/");
        //替换标题多余的（**.** -> .）
        String s4 = turnStr(s3, "\\*\\*.\\*\\*", ".");
        //替换4个*(**** -> "")
        String finalStr = turnStr(s4, "\\*\\*\\*\\*", "");

        //将替换好的String 重新生成到文件
        FileUtil.writeBytes(finalStr.getBytes(StandardCharsets.UTF_8),"D:\\pandoc\\help1T.md");
    }
}

表格处理

pandoc word转markdown 表格是肯定样式会丢的，因此，这步骤也需要手动去处理，找到了一个在线替换的网站，可以直接从word中复制出来，转完后再替换

markdown表格转换