0230112星期四:

當(dāng)今互聯(lián)網(wǎng)時代，HTML 和 Markdown 都是非常流行的標(biāo)記語言。HTML 用于構(gòu)建網(wǎng)頁結(jié)構(gòu)和內(nèi)容，而 Markdown 則以其簡潔易讀的語法被廣泛用于編寫文檔、博客文章等。在很多場景下，我們需要將 HTML 內(nèi)容轉(zhuǎn)換為 Markdown 格式，例如網(wǎng)頁內(nèi)容抓取、文檔格式轉(zhuǎn)換等。

Rust 作為一門以安全、性能和可靠性著稱的系統(tǒng)級編程語言，也提供了相應(yīng)的庫來處理 HTML 到 Markdown 的轉(zhuǎn)換。本文將介紹一個名為 htmd 的 Rust 庫，它提供了一種高效且易于使用的方式來完成這項任務(wù)。

htmd 簡介

htmd 是一個受 JavaScript 庫 turndown.js 啟發(fā)而開發(fā)的 Rust 庫，用于將 HTML 文檔轉(zhuǎn)換為 Markdown 格式。它具有以下特點(diǎn)：

• 功能豐富： 提供了與 turndown.js 相媲美的豐富選項，可以靈活地控制轉(zhuǎn)換過程。
• 可靠性高： 通過了 turndown.js 的所有測試用例，確保轉(zhuǎn)換結(jié)果的準(zhǔn)確性。
• 依賴項少： 僅依賴于 html5ever 庫，輕量級且易于集成。
• 性能優(yōu)異： 轉(zhuǎn)換速度快，能夠高效處理大型 HTML 文檔。

htmd 的安裝

在使用 htmd 之前，我們需要先安裝它。將以下依賴項添加到你的 Cargo.toml 文件中：

[dependencies]
htmd = "0.1"

htmd 的使用

基本轉(zhuǎn)換

使用 htmd 進(jìn)行 HTML 到 Markdown 的基本轉(zhuǎn)換非常簡單。以下代碼展示了如何將一個 <h1> 標(biāo)簽轉(zhuǎn)換為 Markdown 中的 # 標(biāo)題：

use htmd::HtmlToMarkdown;

fn main() {
    let markdown = HtmlToMarkdown::new();
    let html = "<h1>這是一個標(biāo)題</h1>";
    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "# 這是一個標(biāo)題\n");
}

跳過標(biāo)簽

在某些情況下，我們可能希望跳過 HTML 文檔中的某些標(biāo)簽，例如 <script> 和 <style> 標(biāo)簽。htmd 提供了 skip_tags 方法來實(shí)現(xiàn)這一點(diǎn)：

use htmd::HtmlToMarkdown;

fn main() {
    let markdown = HtmlToMarkdown::builder()
        .skip_tags(vec!["script", "style"])
        .build();

    let html = r#"
        <script>
            // 一些 JavaScript 代碼
        </script>
        <h1>這是一個標(biāo)題</h1>
    "#;

    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "# 這是一個標(biāo)題\n");
}

自定義標(biāo)簽處理器

htmd 允許我們自定義標(biāo)簽處理器來處理特定的 HTML 標(biāo)簽。例如，我們可以定義一個處理器將 <img> 標(biāo)簽轉(zhuǎn)換為 Markdown 中的圖片語法：

use htmd::{HtmlToMarkdown, HandleResult};
use html5ever::tendril::StrTendril;
use html5ever::QualName;

fn main() {
    let markdown = HtmlToMarkdown::builder()
        .add_handler(
            vec!["img"],
            |el| {
                let src = el
                    .attrs
                    .iter()
                    .find(|(name, _)| name.local.as_ref() == "src")
                    .map(|(_, value)| value.as_ref());

                let alt = el
                    .attrs
                    .iter()
                    .find(|(name, _)| name.local.as_ref() == "alt")
                    .map(|(_, value)| value.as_ref());

                match (src, alt) {
                    (Some(src), Some(alt)) => Some(format!("![{}]({})", alt, src)),
                    _ => None,
                }
            },
        )
        .build();

    let html = r#"<img src="https://example.com/image.jpg" alt="圖片描述">"#;
    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "![圖片描述](https://example.com/image.jpg)\n");
}

多線程處理

htmd 支持多線程處理，可以充分利用多核 CPU 的性能來加速轉(zhuǎn)換過程。以下代碼展示了如何使用多線程將多個 HTML 文檔轉(zhuǎn)換為 Markdown：

use htmd::HtmlToMarkdown;
use std::sync::Arc;
use std::thread;

fn main() {
    let markdown = Arc::new(HtmlToMarkdown::new());
    let html_docs = vec![
        "<h1>文檔 1</h1>",
        "<h2>文檔 2</h2>",
        "<h3>文檔 3</h3>",
    ];

    let threads: Vec<_> = html_docs
        .into_iter()
        .map(|html| {
            let markdown = markdown.clone();
            thread::spawn(move || {
                let result = markdown.convert(html).unwrap();
                println!("{}", result);
            })
        })
        .collect();

    for thread in threads {
        thread.join().unwrap();
    }
}

結(jié)論

htmd 是一個功能強(qiáng)大且易于使用的 Rust 庫，用于將 HTML 文檔轉(zhuǎn)換為 Markdown 格式。它提供了豐富的選項、自定義標(biāo)簽處理器和多線程支持，可以滿足各種轉(zhuǎn)換需求。如果你正在尋找一種高效可靠的 HTML 到 Markdown 轉(zhuǎn)換解決方案，htmd 絕對值得一試。