markdown-it 原理解析
前言
在 《一篇帶你用 VuePress + Github Pages 搭建博客》[1] 中,我們使用 VuePress 搭建了一個博客,最終的效果查看:TypeScript 中文文檔 [2]。
在搭建博客的過程中,我們出於實際的需求,在《VuePress 博客優化之拓展 Markdown 語法》[3] 中講解了如何寫一個 markdown-it
插件,本篇我們將深入markdown-it
的源碼,講解 markdown-it
的執行原理,旨在讓大家對 markdown-it
有更加深入的理解。
介紹
引用 markdown-it Github 倉庫 [4] 的介紹:
Markdown parser done right. Fast and easy to extend.
可以看出 markdown-it
是一個 markdown 解析器,並且易於拓展。
其演示地址爲:https://markdown-it.github.io/[5]
markdown-it
具有以下幾個優勢:
-
遵循 CommonMark spec[6] 並且添加了語法拓展和語法糖(如 URL 自動識別,針對印刷做了特殊處理)
-
可配置語法,你可以添加新的規則或者替換掉現有的規則
-
快
-
默認安全
-
社區有很多的插件 [7] 或者其他包 [8]
使用
// 安裝
npm install markdown-it --save
// node.js, "classic" way:
var MarkdownIt = require('markdown-it'),
md = new MarkdownIt();
var result = md.render('# markdown-it rulezz!');
// browser without AMD, added to "window" on script load
// Note, there is no dash in "markdownit".
var md = window.markdownit();
var result = md.render('# markdown-it rulezz!');
源碼解析
我們查看 markdown-it
的入口代碼 [9],可以發現其代碼邏輯清晰明瞭:
// ...
var Renderer = require('./renderer');
var ParserCore = require('./parser_core');
var ParserBlock = require('./parser_block');
var ParserInline = require('./parser_inline');
function MarkdownIt(presetName, options) {
// ...
this.inline = new ParserInline();
this.block = new ParserBlock();
this.core = new ParserCore();
this.renderer = new Renderer();
// ...
}
MarkdownIt.prototype.parse = function (src, env) {
// ...
var state = new this.core.State(src, this, env);
this.core.process(state);
return state.tokens;
};
MarkdownIt.prototype.render = function (src, env) {
env = env || {};
return this.renderer.render(this.parse(src, env), this.options, env);
};
從 render
方法中也可以看出,其渲染分爲兩個過程:
-
Parse:將 Markdown 文件 Parse 爲 Tokens
-
Render:遍歷 Tokens 生成 HTML
跟 Babel 很像,不過 Babel 是轉換爲抽象語法樹(AST),而 markdown-it
沒有選擇使用 AST,主要是爲了遵循 KISS(Keep It Simple, Stupid) 原則。
Tokens
那 Tokens 長什麼樣呢?我們不妨在演示頁面 [10] 中嘗試一下:
可以看出 # header
生成的 Token 格式爲(注:這裏爲了展示方便,簡化了):
[
{
"type": "heading_open",
"tag": "h1"
},
{
"type": "inline",
"tag": "",
"children": [
{
"type": "text",
"tag": "",
"content": "header"
}
]
},
{
"type": "heading_close",
"tag": "h1"
}
]
具體 Token 裏的字段含義可以查看 Token Class[11]。
通過這個簡單的 Tokens 示例也可以看出 Tokens 和 AST 的區別:
-
Tokens 只是一個簡單的數組
-
起始標籤和閉合標籤是分開的
Parse
查看 parse 方法相關的代碼:
// ...
var ParserCore = require('./parser_core');
function MarkdownIt(presetName, options) {
// ...
this.core = new ParserCore();
// ...
}
MarkdownIt.prototype.parse = function (src, env) {
// ...
var state = new this.core.State(src, this, env);
this.core.process(state);
return state.tokens;
};
可以看到其具體執行的代碼,應該是寫在了./parse_core
裏,查看下 parse_core.js
的代碼:
var _rules = [
[ 'normalize', require('./rules_core/normalize') ],
[ 'block', require('./rules_core/block') ],
[ 'inline', require('./rules_core/inline') ],
[ 'linkify', require('./rules_core/linkify') ],
[ 'replacements', require('./rules_core/replacements') ],
[ 'smartquotes', require('./rules_core/smartquotes') ]
];
function Core() {
// ...
}
Core.prototype.process = function (state) {
// ...
for (i = 0, l = rules.length; i < l; i++) {
rules[i](state "i");
}
};
可以看出,Parse 過程默認有 6 條規則,其主要作用分別是:
1. normalize
在 CSS 中,我們使用normalize.css
抹平各端差異,這裏也是一樣的邏輯,我們查看 normalize 的代碼,其實很簡單:
// https://spec.commonmark.org/0.29/#line-ending
var NEWLINES_RE = /\r\n?|\n/g;
var NULL_RE = /\0/g;
module.exports = function normalize(state) {
var str;
// Normalize newlines
str = state.src.replace(NEWLINES_RE, '\n');
// Replace NULL characters
str = str.replace(NULL_RE, '\uFFFD');
state.src = str;
};
我們知道 \n
是匹配一個換行符,\r
是匹配一個回車符,那這裏爲什麼要將 \r\n
替換成 \n
呢?
我們可以在阮一峯老師的這篇 《回車與換行》[12] 中找到\r\n
出現的歷史:
在計算機還沒有出現之前,有一種叫做電傳打字機(Teletype Model 33)的玩意,每秒鐘可以打 10 個字符。但是它有一個問題,就是打完一行換行的時候,要用去 0.2 秒,正好可以打兩個字符。要是在這 0.2 秒裏面,又有新的字符傳過來,那麼這個字符將丟失。
於是,研製人員想了個辦法解決這個問題,就是在每行後面加兩個表示結束的字符。一個叫做 "回車",告訴打字機把打印頭定位在左邊界;另一個叫做 "換行",告訴打字機把紙向下移一行。
這就是 "換行" 和 "回車" 的來歷,從它們的英語名字上也可以看出一二。
後來,計算機發明瞭,這兩個概念也就被般到了計算機上。那時,存儲器很貴,一些科學家認爲在每行結尾加兩個字符太浪費了,加一個就可以。於是,就出現了分歧。
Unix 系統裏,每行結尾只有 "<換行>",即 "\n";Windows 系統裏面,每行結尾是 "< 回車 >< 換行 >",即 "\r\n";Mac 系統裏,每行結尾是 "< 回車 >"。一個直接後果是,Unix/Mac 系統下的文件在 Windows 裏打開的話,所有文字會變成一行;而 Windows 裏的文件在 Unix/Mac 下打開的話,在每行的結尾可能會多出一個 ^M 符號。
之所以將 \r\n
替換成 \n
其實是遵循規範 [13]:
A line ending is a newline (U+000A), a carriage return (U+000D) not followed by a newline, or a carriage return and a following newline.
其中 U+000A 表示換行 (LF) ,U+000D 表示回車 (CR) 。
除了替換回車符外,源碼裏還替換了空字符,在正則 [14] 中,\0
表示匹配 NULL(U+0000)字符,根據 WIKI[15] 的解釋:
空字符(Null character)又稱結束符,縮寫 NUL,是一個數值爲 0 的控制字符。
在許多字符編碼中都包括空字符,包括 ISO/IEC 646(ASCII)、C0 控制碼、通用字符集、Unicode 和 EBCDIC 等,幾乎所有主流的編程語言都包括有空字符
這個字符原來的意思類似 NOP 指令,當送到列表機或終端時,設備不需作任何的動作(不過有些設備會錯誤的打印或顯示一個空白)。
而我們將空字符替換爲 \uFFFD
,在 Unicode 中,\uFFFD
表示替換字符:
之所以進行這個替換,其實也是遵循規範,我們查閱 CommonMark spec 2.3 章節 [16]:
For security reasons, the Unicode character U+0000 must be replaced with the REPLACEMENT CHARACTER (U+FFFD).
我們測試下這個效果:
md.render('foo\u0000bar'), '<p>foo\uFFFDbar</p>\n'
效果如下,你會發現原本不可見的空字符被替換成替換字符後,展示了出來:
2. block
block 這個規則的作用就是找出 block,生成 tokens,那什麼是 block?什麼是 inline 呢?我們也可以在 CommonMark spec 中的 Blocks and inlines 章節 [17] 找到答案:
We can think of a document as a sequence of blocks[18]—structural elements like paragraphs, block quotations, lists, headings, rules, and code blocks. Some blocks (like block quotes and list items) contain other blocks; others (like headings and paragraphs) contain inline[19] content—text, links, emphasized text, images, code spans, and so on.
翻譯一下就是:
我們認爲文檔是由一組 blocks 組成,結構化的元素類似於段落、引用、列表、標題、代碼區塊等。一些 blocks (像引用和列表)可以包含其他 blocks,其他的一些 blocks(像標題和段落)則可以包含 inline 內容,比如文字、鏈接、 強調文字、圖片、代碼片段等等。
當然在markdown-it
中,哪些會識別成 blocks,可以查看 parser_block.js[20],這裏同樣定義了一些識別和 parse 的規則:
關於這些規則我挑幾個不常見的說明一下:
code
規則用於識別 Indented code blocks
(4 spaces padded),在 markdown 中:
fence
規則用於識別 Fenced code blocks,在 markdown 中:
hr
規則用於識別換行,在 markdown 中:
reference
規則用於識別 reference links
,在 markdown 中:
html_block
用於識別 markdown 中的 HTML block 元素標籤,就比如div
。
lheading
用於識別 Setext headings
,在 markdown 中:
3. inline
inline 規則的作用則是解析 markdown 中的 inline,然後生成 tokens,之所以 block 先執行,是因爲 block 可以包含 inline ,解析的規則可以查看 parser_inline.js[21]:
關於這些規則我挑幾個不常見的說明一下:
newline
規則用於識別 \n
,將 \n
替換爲一個 hardbreak 類型的 token
backticks
規則用於識別反引號:
entity
規則用於處理 HTML entity,比如 {``¯``"
等:
4. linkify
自動識別鏈接
5. replacements
將 (c)`` (C)
替換成 ©
,將 ????????
替換成 ???
,將 !!!!!
替換成 !!!
,諸如此類:
6. smartquotes
爲了方便印刷,對直引號做了處理:
Render
Render 過程其實就比較簡單了,查看 renderer.js[22] 文件,可以看到內置了一些默認的渲染 rules:
default_rules.code_inline
default_rules.code_block
default_rules.fence
default_rules.image
default_rules.hardbreak
default_rules.softbreak
default_rules.text
default_rules.html_block
default_rules.html_inline
其實這些名字也是 token 的 type,在遍歷 token 的時候根據 token 的 type 對應這裏的 rules 進行執行,我們看下 code_inline 規則的內容,其實非常簡單:
default_rules.code_inline = function (tokens, idx, options, env, slf) {
var token = tokens[idx];
return '<code' + slf.renderAttrs(token) + '>' +
escapeHtml(tokens[idx].content) +
'</code>';
};
自定義 Rules
至此,我們對 markdown-it 的渲染原理進行了簡單的瞭解,無論是 Parse 還是 Render 過程中的 Rules,markdown-it 都提供了方法可以自定義這些 Rules,這些也是寫 markdown-it 插件的關鍵,這些後續我們會講到。
參考資料
[1]
《一篇帶你用 VuePress + Github Pages 搭建博客》: https://github.com/mqyqingfeng/Blog/issues/235
[2]
TypeScript 中文文檔: http://ts.yayujs.com/
[3]
《VuePress 博客優化之拓展 Markdown 語法》: https://github.com/mqyqingfeng/Blog/issues/251
[4]
markdown-it Github 倉庫: https://github.com/markdown-it/markdown-it
[5]
https://markdown-it.github.io/: https://markdown-it.github.io/
[6]
CommonMark spec: http://spec.commonmark.org/
[7]
插件: https://www.npmjs.com/search?q=keywords:markdown-it-plugin
[8]
其他包: https://www.npmjs.com/search?q=keywords:markdown-it
[9]
入口代碼: https://github.com/markdown-it/markdown-it/blob/master/lib/index.js
[10]
演示頁面: https://markdown-it.github.io/
[11]
Token Class: https://github.com/markdown-it/markdown-it/blob/master/lib/token.js
[12]
《回車與換行》: https://www.ruanyifeng.com/blog/2006/04/post_213.html
[13]
遵循規範: https://spec.commonmark.org/0.29/#line-ending
[14]
正則: https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Guide/Regular_Expressions#special-null
[15]
WIKI: https://zh.wikipedia.org/wiki/%E7%A9%BA%E5%AD%97%E7%AC%A6
[16]
CommonMark spec 2.3 章節: https://spec.commonmark.org/0.30/#insecure-characters
[17]
CommonMark spec 中的 Blocks and inlines 章節: https://spec.commonmark.org/0.30/#blocks-and-inlines
[18]
blocks: https://spec.commonmark.org/0.30/#blocks
[19]
inline: https://spec.commonmark.org/0.30/#inline
[20]
parser_block.js: https://github.com/markdown-it/markdown-it/blob/master/lib/parser_block.js
[21]
parser_inline.js: https://github.com/markdown-it/markdown-it/blob/master/lib/parser_inline.js
[22]
renderer.js: https://github.com/markdown-it/markdown-it/blob/master/lib/renderer.js
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/KuEX0hyYv611Dp9S6hKMXQ