HTML数学公式转Asciidoc：Pandoc转换失效的解决方法？

一、通过Pandoc预处理实现正确转换 #

Pandoc可以通过自定义Lua过滤器解决这个问题，核心是识别HTML中的数学公式元素，将其转换为Asciidoc标准的Stem块格式：

• 编写Lua过滤器：创建一个名为math-convert.lua的文件，根据你的HTML公式标签结构编写匹配逻辑。比如针对MathML的<math>标签或带特定类的文本容器：

  -- 处理原生MathML元素
  function Math(el)
      return pandoc.RawBlock("asciidoc", "[latexmath]\n++++\n" .. el.text .. "\n++++")
  end
  
  -- 处理带"math"类的span/div标签
  function Span(el)
      if el.classes:includes("math") then
          return pandoc.RawBlock("asciidoc", "[latexmath]\n++++\n" .. el.text .. "\n++++")
      end
  end
  

• 执行转换命令：运行Pandoc时指定该过滤器，命令如下：

  pandoc input.html -o output.adoc --lua-filter=math-convert.lua
  

• 适配调整：根据你实际的HTML公式结构（比如是否用MathML、是否是内嵌LaTeX文本）修改过滤器的匹配规则，确保能准确提取公式内容。

二、替代Pandoc的转换方案 #

如果不想依赖Pandoc，还有两种实用方式：

• 自定义Python脚本处理：用BeautifulSoup解析HTML，定位所有数学公式元素，直接生成Asciidoc Stem块：

  from bs4 import BeautifulSoup
  
  # 读取HTML文件
  with open("input.html", "r", encoding="utf-8") as f:
      soup = BeautifulSoup(f.read(), "html.parser")
  
  adoc_content = ""
  # 假设公式在class为"math-equation"的容器中
  for elem in soup.find_all(class_="math-equation"):
      formula_text = elem.get_text(strip=True)
      # 生成latexmath Stem块
      adoc_content += "[latexmath]\n++++\n" + formula_text + "\n++++\n\n"
  
  # 写入Asciidoc文件
  with open("output.adoc", "w", encoding="utf-8") as f:
      f.write(adoc_content)
  

• 使用Asciidoctor生态工具：借助asciidoctor-math插件的辅助转换能力，先将HTML中的公式导出为纯LaTeX/AsciiMath文本，再手动或半自动嵌入到Asciidoc的Stem块中，适合公式数量不多的场景。

三、验证转换效果 #

转换完成后，用Asciidoctor渲染文件验证结果：

asciidoctor output.adoc -o preview.html

打开生成的preview.html，确认公式是否正常渲染，确保Stem块的格式完全符合Asciidoc规范（比如标记[latexmath]或[asciimath]与++++包裹的公式内容配对正确）。

内容的提问来源于stack exchange，提问作者Alexey Bogdanov