Pandoc EPUB输出中目录控制的优化与实现
2025-05-03 05:37:23作者:温艾琴Wonderful
在文档转换工具Pandoc的使用过程中,生成电子书格式EPUB时对目录结构的精确控制是一个常见需求。最新版本的Pandoc(3.2.1及以上)已经完善了对EPUB目录生成机制的支持,特别是通过.unlisted类和--toc-depth参数的控制方式。
EPUB目录的双重结构
EPUB格式包含两种目录结构:
- 导航文档(nav.xhtml):仅在用户指定
--toc参数时生成 - 必需目录文件(toc.ncx):所有EPUB文件都必须包含的标准目录结构
目录控制的核心方法
1. 使用.unlisted类排除标题
在Markdown源文件中,为特定标题添加.unlisted类可以将其从生成的目录中排除,同时保持其在正文中的显示。这个特性现在已完全支持EPUB输出格式。
示例:
## 这个标题会出现在目录中
## 这个标题不会出现在目录中 {.unlisted}
2. 通过--toc-depth控制目录深度
--toc-depth参数允许用户精确控制目录包含的标题层级。例如,设置--toc-depth=1将只包含一级标题。
版本兼容性说明
值得注意的是,在Pandoc 3.1.2及更早版本中,目录控制功能可能存在一些限制。特别是:
--toc-depth参数对某些标题层级的控制可能不完全生效.unlisted类在EPUB输出中的支持不够完善
建议用户升级到Pandoc 3.2.1或更高版本以获得完整的目录控制功能。新版本不仅修复了这些问题,还提供了更稳定一致的跨格式输出体验。
实际应用建议
对于需要同时输出PDF和EPUB格式的项目,现在可以使用相同的源文件和标记方式:
- 使用
.unlisted类控制特定标题的目录显示 - 使用
--toc-depth统一控制目录深度 - 无需为不同输出格式准备不同的源文件或进行后期处理
这种统一的处理方式大大简化了多格式出版的工作流程,提高了文档维护的效率。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1