MDQ v0.4.0 发布:Markdown查询工具迎来语法解析与输出优化
2025-06-30 13:35:15作者:郁楠烈Hubert
MDQ 是一个强大的命令行工具,专门用于查询和操作Markdown文件内容。它允许开发者通过类似SQL的查询语法从Markdown文档中提取结构化数据,非常适合自动化文档处理、内容提取等场景。
核心改进解析
1. 平衡括号转义优化
在Markdown链接描述处理方面,v0.4.0版本修复了平衡括号的转义问题。现在当链接描述中包含成对出现的括号时,工具能够智能识别并保持原样,不再进行不必要的转义。这一改进使得处理包含代码片段或数学公式的链接描述更加准确。
2. 基于Pest的查询语法解析器
本次更新最重要的架构改进是引入了Pest解析器引擎来重构查询语法解析模块。Pest是一个用Rust编写的现代化解析器组合库,采用PEG(解析表达式文法)语法。这一改变带来了:
- 更健壮的语法解析能力,减少边缘情况下的解析错误
- 更清晰的语法规则定义,便于未来扩展查询语言功能
- 更好的错误提示,帮助用户快速定位查询语法问题
3. 新增纯文本输出模式
为满足不同场景下的需求,v0.4.0新增了--output plain选项。该模式会去除所有格式化装饰,输出最精简的纯文本内容,特别适合管道操作或需要进一步处理的场景。例如:
mdq "SELECT header FROM ./doc.md" --output plain
将只返回文档标题的纯文本内容,不含任何装饰字符。
技术实现细节
在底层实现上,Pest解析器的引入使得查询语法解析更加模块化。新的解析器将查询语句分解为多个语法成分:
- SELECT子句 - 指定要提取的文档部分
- FROM子句 - 指定目标Markdown文件
- WHERE子句 - 条件过滤(可选)
- 其他修饰符 - 如LIMIT, ORDER BY等
这种结构化解析为未来支持更复杂的查询功能奠定了基础。
使用场景建议
结合新特性,MDQ在以下场景中表现尤为出色:
- 文档自动化处理:通过纯文本输出模式,可以轻松将提取的内容集成到CI/CD流程中
- 内容质量检查:利用精确的语法解析,可以编写复杂查询来验证文档结构
- 知识库管理:平衡括号处理使得技术文档中的代码示例和公式能正确保留
升级建议
对于现有用户,升级到v0.4.0需要注意:
- 查询语法解析更加严格,一些之前能容忍的语法错误现在会报错
- 纯文本输出模式可能影响现有脚本,如果依赖原有输出格式需要明确指定输出模式
- 建议测试关键查询在新版本下的表现,特别是包含特殊字符的链接描述
这个版本标志着MDQ在查询语言规范化和输出灵活性方面迈出了重要一步,为未来的功能扩展奠定了坚实基础。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
132
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
746
🎉 (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
1.06 K
616
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
199
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460