python - 我可以在 Python Markdown 中将标签列入白名单吗？

Question

问题

我想在转换期间指定要列入白名单的标签列表。例如，如果我只想转换<p>、<ol>、<li>和其他几个标签，而忽略所有其他标签，则给出如下值：

### Header

This is a paragraph.

    # Code snippet
    def spam():
        pass

1. One
2. Two
3. Three

我希望将其准确转换为：

### Header

<p>This is a paragraph.</p>

    # Code snippet
    def spam():
        pass

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

我意识到我可以使用Bleach清除我不想要的标签，但如果可能的话，我宁愿不首先转换它们。

笔记：

我指的是https://pypi.org/project/Markdown/

标签： pythonmarkdown

Answer 1

不，您不能将标签“列入白名单”，但您可以使用扩展 API来更改解析器的各个部分。但是，您可能并不真的想要那样。

例如，如果您不想解析标头和代码块，则可以删除这些处理器：

from markdown.extensions import Extension

class MyExtension(Extension):
    def extendMarkdown(self, md):
        md.parser.blockprocessors.deregister('hashheader')
        md.parser.blockprocessors.deregister('setextheader')
        md.parser.blockprocessors.deregister('code')

但是，这不会为您提供所需的结果，因为解析器将退回到将该文​​本包装在<p>标签中。事实上，这是 Markdown 语法所固有的。任何未被识别为其他内容的内容都被视为段落。

因此，您的输入可能会导致以下输出：

<p>### Header</p>

<p>This is a paragraph.</p>

<p>    # Code snippet
    def spam():
        pass</p>

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

更复杂的是 HTML 对“无关紧要的空白”的处理。具体来说，除非直接指示不要（例如在代码块中），否则在浏览器中呈现 HTML 时，所有空格都会压缩为一个空格。因此，包含未解析代码块的段落将相当难以阅读：

# 代码片段 def spam(): pass

如果这不是您想要的，那么您可能需要用您自己的自定义处理器替换现有处理器，这些处理器识别代码块和标头，但返回默认 HTML 以外的其他内容，以避免它们被包装在<p>标签中。但是，这将有效地涉及替换大部分解析器。

此外，不包含在任何标签中，纯文本将全部压缩成一个段落。例如，这个输入：

# Header 1

    # code snippet
    def spam():
        pass

## Header 2

会像这样呈现：

# Header 1 # 代码片段 def spam(): pass ## Header 2

这可能不是你想要的。将文本包装在<p>标签中实际上是一个更理想的结果，因为这至少会呈现为：

# 标题 1

# 代码片段 def spam(): pass

## 标题 2

顺便说一句，这就是 Markdown 解析器不提供“白名单”选项的原因。结果永远不是那些想要选择的人所期望的。

全面披露：我是 Python-Markdown 项目的首席开发人员。