markdown-it-py 使用教程
2024-08-24 09:54:48作者:廉彬冶Miranda
项目介绍
markdown-it-py 是一个遵循 CommonMark 规范的 Markdown 解析器,具有高度的可配置性和扩展性。它是 markdown-it 的 Python 版本,支持插件扩展和高速解析。该项目是 Google's Assured Open Source Software 的成员之一。
项目快速启动
安装
你可以通过 pip 或 conda 安装 markdown-it-py:
pip install markdown-it-py
或
conda install -c conda-forge markdown-it-py
基本使用
以下是一个简单的示例,展示如何使用 markdown-it-py 将 Markdown 文本转换为 HTML:
from markdown_it import MarkdownIt
md = MarkdownIt()
text = "# Hello, world!\n\nThis is a **markdown** example."
html_text = md.render(text)
print(html_text)
使用插件
markdown-it-py 支持通过插件扩展功能。以下是一个使用 front_matter 和 footnote 插件的示例:
from markdown_it import MarkdownIt
from mdit_py_plugins.front_matter import front_matter_plugin
from mdit_py_plugins.footnote import footnote_plugin
md = (
MarkdownIt('commonmark', {'breaks': True, 'html': True})
.use(front_matter_plugin)
.use(footnote_plugin)
.enable('table')
)
text = """
---
a: 1
---
a | b
- | -
1 | 2
A footnote [^1]
[^1]: some details
"""
tokens = md.parse(text)
html_text = md.render(text)
print(html_text)
应用案例和最佳实践
生成静态网站
markdown-it-py 可以与静态网站生成器结合使用,将 Markdown 文件转换为 HTML 页面。以下是一个简单的示例:
from markdown_it import MarkdownIt
from pathlib import Path
md = MarkdownIt()
text = Path("README.md").read_text()
html_text = md.render(text)
Path("output.html").write_text(html_text)
集成到 Web 应用
在 Web 应用中,可以使用 markdown-it-py 实时解析用户输入的 Markdown 文本并显示为 HTML。以下是一个 Flask 应用的示例:
from flask import Flask, request, render_template_string
from markdown_it import MarkdownIt
app = Flask(__name__)
md = MarkdownIt()
@app.route('/', methods=['GET', 'POST'])
def index():
if request.method == 'POST':
markdown_text = request.form['markdown']
html_text = md.render(markdown_text)
return render_template_string(f"<div>{html_text}</div>")
return '''
<form method="post">
<textarea name="markdown"></textarea>
<input type="submit">
</form>
'''
if __name__ == '__main__':
app.run(debug=True)
典型生态项目
mdit-py-plugins
mdit-py-plugins 是一个包含多个插件的库,可以扩展 markdown-it-py 的功能,例如 front_matter、footnote 等。
linkify-it-py
linkify-it-py 是一个用于检测和转换链接的库,可以与 markdown-it-py 结合使用,自动识别文本中的链接并转换为 HTML 链接。
markdown-it-pyrs
markdown-it-pyrs 是一个实验性的 Rust 绑定,旨在提供更快的解析速度。
通过这些生态项目,markdown-it-py 可以满足各种复杂的 Markdown 解析需求,并提供高性能的解析体验。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646