如何用Pandoc实现RTF转HTML时标题转换与文档分块

当前操作流程 #

• 第一步：将RTF转换为单个HTML文件，但生成的标题使用<strong>标签而非<h1>，需手动修改
  执行命令：

  pandoc -f rtf -t html -o inputfile.html inputfile.rtf
  

  原生成的HTML片段：

  <p><strong>George Stewart</strong></p>
  <p>Title: George Stewart</p>
  <p>Type: Task</p>
  <p>Date:1734</p>
  <p>Description: Christening</p>
  <p>Status: +open</p>
  <p>Repository: LDS Library</p>
  <p>Last action: 8 May 2024</p>
  <p><strong>Ann Hill</strong></p>
  <p>Title: Ann Hill</p>
  <p>Type: Task</p>
  <p>Date: 1799</p>
  <p>Description: Family</p>
  <p>Status: +ToDo</p>
  <p>Repository: LDS Library</p>
  

  修改后目标HTML片段：

  <h1>George Stewart</h1>
  <p>Title: George Stewart</p>
  <p>Type: Task</p>
  <p>Date:1734</p>
  <p>Description: Christening</p>
  <p>Status: +open</p>
  <p>Repository: LDS Library</p>
  <p>Last action: 8 May 2024</p>
  <h1>Ann Hill</h1>
  <p>Title: Ann Hill</p>
  <p>Type: Task</p>
  <p>Date: 1799</p>
  <p>Description: Family</p>
  <p>Status: +ToDo</p>
  <p>Repository: LDS Library</p>
  

• 第二步：按<h1>标签拆分HTML为分块文件
  执行命令：

  pandoc -t chunkedhtml --split-level=1 -o RN_File inputfile.html
  

问题 #

尝试用Pandoc Lua过滤器实现标题自动转换+合并两步操作，但测试的代码均无效：

• 错误代码1（仅转换Strong为SmallCaps，不符合需求）：

  function Strong(elem)
    return pandoc.SmallCaps(elem.content)
  end
  

• 错误代码2（语法错误，无法匹配Para+Strong组合）：

  function Para+Strong(elem)
    return pandoc.Header(1)
  end
  

解决方案 #

正确的Lua过滤器代码 #

创建一个convert-strong-to-h1.lua文件，内容如下：

function Para(para)
    -- 检查段落是否仅包含一个Strong元素，无其他多余内容
    if #para.content == 1 and para.content[1].t == "Strong" then
        -- 将Strong内容提取并转换为H1标题
        return pandoc.Header(1, para.content[1].content)
    end
    -- 不符合条件的段落保持原样返回
    return para
end

一步式执行命令 #

直接通过过滤器从RTF生成分块HTML，无需中间文件：

pandoc -f rtf -t chunkedhtml --split-level=1 --lua-filter=convert-strong-to-h1.lua -o RN_File inputfile.rtf

代码说明 #

• 遍历所有段落（Para元素），判断其内容是否仅包含一个Strong节点
• 符合条件的段落会被替换为一级标题（Header(1)），对应HTML的<h1>标签
• 不符合条件的段落（包含其他内容的段落）保持原有结构不变

内容的提问来源于stack exchange，提问作者Packwood