原生JS实现HTML转Markdown，以及其实现逻辑

之前因为一些需要，需要转换部分 HTML 标签成 markdown 格式，但是不知不觉就完善到一个相对完整的函数。

然后我就封装成了一个文件放在了 github ，也简单做了两个示例网页。

1. HTML 转换 -- https://kohunglee.github.io/html2md/example/conversion.html
2. 直接就粘贴成 markdown 格式 -- https://kohunglee.github.io/html2md/example/Paste_and_convert.html

代码地址在 html2md

其实这类函数在 github 上有很多，但是或多或少都对 HTML 的还原支持的不够完善，比如 turndown.js 是最热门的，但却不支持表格的恢复，索性就自己做了一个。

其实之间的转换还挺复杂，需要考虑各个标签的优先级，做完又花了两天才完善到一定程度。

(不过需要提醒的是，Safari 和 iOS 上的浏览器不支持这个，因为它们对正则支持的不够完整。不过对于前者，可以使用Chrome，对于后者，又压根无法复制出已封装了 HTML 的内容，所以也不需要考虑。)

代码的实现逻辑如下：

其中，最开始声明了一些数组变量，用于将一些转换过程中的中间产物进行储存。

然后 pureHtml 这个变量就是整个加工过程中的原料，一直到最后。

首先，函数处理的入口是从 112 行 开始的。

第一步，删除 <style> 和 <script> 这两个标签及其内容。

第二步，将 pre 里的内容先存到数组里，然后用 ‘#preContent#’ 这个字符替换原来 pre 标签里的内容，我称这个操作为保护。因为后续会有很多复杂的内容，把 pre 保护了，就能保证它的原汁原味，因为 pre 本身就是代码，不能动。

第三步，和 pre 一样的 code ，为什么先 pre 再 code 呢？因为这两样东西有这样的包含关系，一般 pre 里可以有 code ，但 code 却没有 pre ，所以在考虑这样的逻辑后，决定这样储存。

第四步，就是在没有 pre 和 code 的干扰下，放心删除标签中其他没有用的属性，并将 a 和 img 的标签内容进行 “保护” ，以方便一会儿恢复。

第五步，就是替换一些简单的标签，什么标题啊，斜体啊，横线啊等等（还有将一些乱七八糟的标签直接删除）.....最后依次处理表格和列表。

第六步，按照一定的规范，依次将上面 “保护” 的内容，进行恢复。

第七步，将最头部的空行删去。（我记得中间也曾检查多余的空行删去，不知道为什么没有了），然后转换完毕，将结果返回。

源码如下：

/** * 把 html 内容转化为 markdown 格式 V1.0 *  * @author kohunglee * @param {string} htmlData 转换前的 html  * @return {string} 转化后的 markdown 源码 */function html2md(htmlData){    codeContent     = new Array  // code标签数据    preContent      = new Array  // pre标签数据    tableContent    = new Array  // table标签数据    olContent       = new Array  // ol标签数据    imgContent      = new Array  // img标签数据    aContent        = new Array  // a标签数据    let pureHtml    = htmlData    // 源代码    console.log("转换前的源码：" + pureHtml)    // 函数：删去html标签    function clearHtmlTag(sourceData = ''){          return sourceData.replace(/\<[\s\S]*?\>/g,'')    }    // 复原ol标签    function olRecover(olData = ''){          let result = olData        let num = olData.match(/\<li\>/ig).length        for(let i = 1; i <= num; i++){            let line = '[~wrap]'            if(i == 1) line = '[~wrap][~wrap]'            result = result.replace(/\<li\>/i, line + i + '. ')        }        result = result.replace(/\<\/li\>/, '')        return result    }    // 函数：复原img标签    function imgRecover(imgHtml = ''){          let imgSrc,imgTit,imgAlt,result        imgSrc     = imgHtml.match(/(?<=src=['"])[\s\S]*?(?=['"])/i)        imgTit     = imgHtml.match(/(?<=title=['"])[\s\S]*?(?=['"])/i)        imgAlt     = imgHtml.match(/(?<=alt=['"])[\s\S]*?(?=['"])/i)        imgTit = (imgTit != null) ? ` "${imgTit}"` : ' '        imgAlt = (imgAlt != 'null') ? imgAlt : " "        result = `![${imgAlt}](${imgSrc}${imgTit})`        return result    }    // 函数：复原a标签    function aRecover(aData = ''){          let aHref = '' + aData.match(/(?<=href=['"])[\s\S]*?(?=['"])/i)        let aTit  = '' + aData.match(/(?<=title=['"])[\s\S]*?(?=['"])/i)        let aText = '' + aData.match(/(?<=\<a\s*[^\>]*?\>)[\s\S]*?(?=<\/a>)/i)        let aImg = aData.match(/<img\s*[^\>]*?\>[^]*?(<\/img>)?/i)        let aImgSrc,aImgTit,aImgAlt        aTit = (aTit != 'null') ? ` "${aTit}"` : ' '        aText = clearHtmlTag(aText)        let result = `[${aText}](${aHref}${aTit})`                if(aImg != null){  // 函数：如果发现图片,则更换为图片显示模式            aImgSrc     = aImg[0].match(/(?<=src=['"])[\s\S]*?(?=['"])/i)            aImgTit     = aImg[0].match(/(?<=title=['"])[\s\S]*?(?=['"])/i)            aImgAlt     = aImg[0].match(/(?<=alt=['"])[\s\S]*?(?=['"])/i)            aImgTit = (aImgTit != null) ? ` "${aImgTit}"` : ' '            aImgAlt = (aImgAlt != 'null') ? aImgAlt : " "            result = `[![${aImgAlt}](${aImgSrc}${aImgTit})](${aHref}${aTit})`        }        return result    }    // 函数：复原table标签    function tableRecover(tableData = null){          if(tableData[0] == null){  // 如果不存在 th 标签，则默认表格为一层            let result = ''            let colNum = tableData[1].length            for(let i = 0; i < colNum; i++){            result += `|${clearHtmlTag(tableData[1][i])}`            }            result += `|[~wrap]`            for(let j = 0; j < colNum; j++){                result += `| :------------: `            }            result += `|[~wrap]`            return result        }        let colNum = tableData[0].length  // 如果存在 th 标签，则按 th 的格数来构建整个表格        let result = ''        for(let i = 0; i < colNum; i++){            result += `|${clearHtmlTag(tableData[0][i])}`        }        result += `|[~wrap]`        for(let j = 0; j < colNum; j++){            result += `| :------------: `        }        result += `|[~wrap]`        for(let k = 0; k < tableData[1].length;){            for(let z = 0; z < colNum; z++,k++){                result += `|${clearHtmlTag(tableData[1][k])}`            }            result += `|[~wrap]`        }        return result+`[~wrap]`    }    // 去掉样式和脚本极其内容    pureHtml = pureHtml.replace(/<style\s*[^\>]*?\>[^]*?<\/style>/ig,'').replace(/<script\s*[^\>]*?\>[^]*?<\/script>/ig,'')    // 储存pre的内容,并替换<pre>中的内容    preContent = pureHtml.match(/<pre\s*[^\>]*?\>[^]*?<\/pre>/ig)    pureHtml = pureHtml.replace(/(?<=\<pre\s*[^\>]*?\>)[\s\S]*?(?=<\/pre>)/ig,'`#preContent#`')    // 储存code的内容,并替换<code>中的内容    codeContent = pureHtml.match(/(?<=\<code\s*[^\>]*?\>)[\s\S]*?(?=<\/code>)/ig)    pureHtml = pureHtml.replace(/(?<=\<code\s*[^\>]*?\>)[\s\S]*?(?=<\/code>)/ig,'`#codeContent#`')    // 储存a的内容,并替换<a>中的内容    aContent = pureHtml.match(/<a\s*[^\>]*?\>[^]*?<\/a>/ig)    pureHtml = pureHtml.replace(/<a\s*[^\>]*?\>[^]*?<\/a>/ig,'`#aContent#`')    // 储存img的内容,并替换<img>中的内容    imgContent = pureHtml.match(/<img\s*[^\>]*?\>[^]*?(<\/img>)?/ig)    pureHtml = pureHtml.replace(/<img\s*[^\>]*?\>[^]*?(<\/img>)?/ig,'`#imgContent#`')    // 获取纯净（无属性）的 html    pureHtml = pureHtml.replace(/(?<=\<[a-zA-Z0-9]*)\s.*?(?=\>)/g,'')      // 标题：标获取<h1><h2>...数据,并替换    pureHtml = pureHtml.replace(/<h1>/ig,'[~wrap]# ').replace(/<\/h1>/ig,'[~wrap][~wrap]')                        .replace(/<h2>/ig,'[~wrap]## ').replace(/<\/h2>/ig,'[~wrap][~wrap]')                        .replace(/<h3>/ig,'[~wrap]### ').replace(/<\/h3>/ig,'[~wrap][~wrap]')                        .replace(/<h4>/ig,'[~wrap]#### ').replace(/<\/h4>/ig,'[~wrap][~wrap]')                        .replace(/<h5>/ig,'[~wrap]##### ').replace(/<\/h5>/ig,'[~wrap][~wrap]')                        .replace(/<h6>/ig,'[~wrap]###### ').replace(/<\/h6>/ig,'[~wrap][~wrap]')    // 段落：处理一些常用的结构标签    pureHtml = pureHtml.replace(/(<br>)/ig,'[~wrap]').replace(/(<\/p>)|(<br\/>)|(<\/div>)/ig,'[~wrap][~wrap]')                       .replace(/(<meta>)|(<span>)|(<p>)|(<div>)/ig,'').replace(/<\/span>/ig,'')    // 粗体：替换<b><strong>    pureHtml = pureHtml.replace(/(<b>)|(<strong>)/ig,'**').replace(/(<\/b>)|(<\/strong>)/ig,'**')    // 斜体：替换<i><em><abbr><dfn><cite><address>    pureHtml = pureHtml.replace(/(<i>)|(<em>)|(<abbr>)|(<dfn>)|(<cite>)|(<address>)/ig,'*').replace(/(<\/i>)|(<\/em>)|(<\/abbr>)|(<\/dfn>)|(<\/cite>)|(<\/address>)/ig,'*')    // 删除线：替换<del>    pureHtml = pureHtml.replace(/\<del\>/ig,'~~').replace(/\<\/del\>/ig,'~~')    // 引用：替换<blockquote>    pureHtml = pureHtml.replace(/\<blockquote\>/ig,'[~wrap][~wrap]> ').replace(/\<\/blockquote\>/ig,'[~wrap][~wrap]')    // 水平线：替换<hr>    pureHtml = pureHtml.replace(/\<hr\>/ig,'[~wrap][~wrap]------[~wrap][~wrap]')    // 表格 <table>,得到数据,删除标签，然后逐层分析储存,最终根据结果生成    tableContent = pureHtml.match(/(?<=\<table\s*[^\>]*?\>)[\s\S]*?(?=<\/table>)/ig)    pureHtml = pureHtml.replace(/<table\s*[^\>]*?\>[^]*?<\/table>/ig,'`#tableContent#`')    if(tableContent !== null){  // 分析储存        tbodyContent = new Array        for(let i = 0; i < tableContent.length; i++){            tbodyContent[i] = new Array  // tbodyContent[i]的第一个数据是thead数据,第二个是tbody的数据            tbodyContent[i].push(tableContent[i].match(/(?<=\<th>)[\s\S]*?(?=<\/th?>)/ig))            tbodyContent[i].push(tableContent[i].match(/(?<=\<td>)[\s\S]*?(?=<\/td?>)/ig))        }    }    if(typeof tbodyContent !== "undefined"){  // 替换        for(let i = 0; i < tbodyContent.length; i++){            let tableText = tableRecover(tbodyContent[i])            pureHtml = pureHtml.replace(/\`\#tableContent\#\`/i,tableText)        }    }        // 有序列表<ol>的<li>,储存ol的内容,并循环恢复ol中的内容    olContent = pureHtml.match(/(?<=\<ol\s*[^\>]*?\>)[\s\S]*?(?=<\/ol>)/ig)    pureHtml = pureHtml.replace(/(?<=\<ol\s*[^\>]*?\>)[\s\S]*?(?=<\/ol>)/ig,'`#olContent#`')    if(olContent !== null){        for(let k = 0; k < olContent.length; k++){            let olText = olRecover(olContent[k])            pureHtml = pureHtml.replace(/\`\#olContent\#\`/i,clearHtmlTag(olText))        }    }    // 无序列表<ul>的<li>，以及<dd>,直接替换    pureHtml = pureHtml.replace(/(<li>)|(<dd>)/ig,'[~wrap] - ').replace(/(<\/li>)|(<\/dd>)/ig,'[~wrap][~wrap]')    // 处理完列表后，将 <lu>、<\lu>、<ol>、<\ol> 处理    pureHtml = pureHtml.replace(/(<ul>)|(<ol>)/ig,'').replace(/(<\/ul>)|(<\/ol>)/ig,'[~wrap][~wrap]')    // 先恢复 img ,再恢复 a    if(imgContent !== null){        for(let i = 0; i < imgContent.length; i++){            let imgText = imgRecover(imgContent[i])            pureHtml = pureHtml.replace(/\`\#imgContent\#\`/i,imgText)        }    }    // 恢复 a    if(aContent !== null){        for(let k = 0; k < aContent.length; k++){            let aText = aRecover(aContent[k])            pureHtml = pureHtml.replace(/\`\#aContent\#\`/i,aText)        }    }    // 换行处理，1.替换 [~wrap] 为 ‘\n’   2.首行换行删去。   3.将其他过长的换行删去。    pureHtml = pureHtml.replace(/\[\~wrap\]/ig,'\n')                       .replace(/\n{3,}/g,'\n\n')    // 代码 <code> ,根据上面的数组恢复code,然后将code替换    if(codeContent !== null){        for(let i = 0; i < codeContent.length; i++){            pureHtml = pureHtml.replace(/\`\#codeContent\#\`/i,clearHtmlTag(codeContent[i]))        }    }    pureHtml = pureHtml.replace(/\<code\>/ig,' ` ').replace(/\<\/code\>/ig,' ` ')    // 代码 <pre> ,恢复pre,然后将pre替换    if(preContent !== null){        for(let k = 0; k < preContent.length; k++){            let preLanguage = preContent[k].match(/(?<=language-).*?(?=[\s'"])/i)            let preText = clearHtmlTag(preContent[k])            preText = preText.replace(/^1\n2\n(\d+\n)*/,'')  // 去掉行数            preLanguage = (preLanguage != null && preLanguage[0] != 'undefined') ? preLanguage[0] + '\n' : '\n'            pureHtml = pureHtml.replace(/\`\#preContent\#\`/i,preLanguage + preText)        }    }    pureHtml = pureHtml.replace(/\<pre\>/ig,'```').replace(/\<\/pre\>/ig,'\n```\n')    // 删去其余的html标签，还原预文本代码中的 '<' 和 '>'    pureHtml = clearHtmlTag(pureHtml)    pureHtml = pureHtml.replace(/\&lt\;/ig,'<').replace(/\&gt\;/ig,'>')    // 删去头部的空行    pureHtml = pureHtml.replace(/^\n{1,}/i,'')    return pureHtml}