CommonMark PHP 解析器使用教程
2024-09-28 15:20:53作者:姚月梅Lane
1、项目介绍
league/commonmark 是一个高度可扩展的 PHP Markdown 解析器,完全支持 CommonMark 和 GFM(GitHub Flavored Markdown)规范。该项目由 Colin O'Dell 创建,基于 John MacFarlane 的 CommonMark JS 参考实现。它旨在提供一个强大且灵活的工具,用于将 Markdown 转换为 HTML。
2、项目快速启动
安装
首先,确保你的 PHP 版本为 7.4 或更高,并且安装了 mbstring 扩展。然后,使用 Composer 安装 league/commonmark:
composer require league/commonmark
基本使用
以下是一个简单的示例,展示如何将 Markdown 转换为 HTML:
use League\CommonMark\CommonMarkConverter;
$converter = new CommonMarkConverter([
'html_input' => 'strip',
'allow_unsafe_links' => false,
]);
echo $converter->convert('# Hello World!');
// 输出: <h1>Hello World!</h1>
如果你需要使用 GitHub Flavored Markdown (GFM),可以使用 GithubFlavoredMarkdownConverter:
use League\CommonMark\GithubFlavoredMarkdownConverter;
$converter = new GithubFlavoredMarkdownConverter([
'html_input' => 'strip',
'allow_unsafe_links' => false,
]);
echo $converter->convert('# Hello World!');
// 输出: <h1>Hello World!</h1>
3、应用案例和最佳实践
应用案例
- 博客系统:许多博客系统使用 Markdown 作为内容输入格式,
league/commonmark可以轻松地将 Markdown 转换为 HTML 供前端展示。 - 文档生成:在生成项目文档时,Markdown 是一种非常流行的格式。
league/commonmark可以帮助你将 Markdown 文档转换为 HTML 或其他格式。 - CMS 系统:内容管理系统(CMS)通常支持多种内容输入格式,
league/commonmark可以作为 Markdown 解析器集成到 CMS 中。
最佳实践
- 安全设置:在处理用户输入时,建议设置
html_input为'strip'或'escape',以防止 XSS 攻击。 - 性能优化:对于大型文档,可以考虑使用缓存机制来减少解析时间。
- 自定义扩展:
league/commonmark支持自定义扩展,可以根据项目需求添加额外的功能,如 Emoji 支持、表格解析等。
4、典型生态项目
相关项目
- CakePHP 3:
league/commonmark可以集成到 CakePHP 3 中,用于处理 Markdown 内容。 - Drupal:Drupal 社区提供了
league/commonmark的模块,方便 Drupal 用户使用。 - Laravel:Laravel 社区有许多包可以与
league/commonmark集成,提供更便捷的 Markdown 处理功能。 - Symfony:Symfony 框架可以通过扩展轻松集成
league/commonmark。
社区扩展
- Emoji 扩展:支持 UTF-8 表情符号和 GitHub 标签。
- Sup Sub 扩展:添加对上标和下标的支持。
- YouTube iframe 扩展:将 YouTube 链接自动转换为嵌入式 iframe。
- Lazy Image 扩展:为图片添加懒加载功能。
通过这些扩展,你可以根据项目需求定制 league/commonmark 的功能,使其更加符合你的使用场景。
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
185
196
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210