Bash实现Pandoc风格Markdown引用转LaTeX格式引用

问题分析 #

你当前的脚本核心问题出在全局条件判断逻辑：脚本是对整个文件做全局匹配判断，而非针对每个[@...]引用块单独处理。比如文件中同时存在带页码的单个引用和多引用时，脚本只会执行第一个匹配的if分支，导致部分引用格式转换不完整。此外，判断条件的正则也存在覆盖不全的问题。

修复思路 #

放弃全局if判断，改为按引用块类型顺序处理：先处理复杂的多引用场景，再处理单个引用场景，确保每个引用块都被正确转换。

方案1：改进版Shell脚本（sed+awk组合） #

这个方案先用sed拆分引用块，再用awk处理块内的每个引用项，最后收尾处理单个引用：

#!/bin/bash
input_file="$1"
temp_file="${input_file%.md}_temp.md"

# 第一步：处理多引用块（包含;的[@...]）
sed -E 's/\[@([^]]+)\]/\n&\n/g' "$input_file" | awk '
/^\[@.*\]$/ {
    # 移除首尾的[@和]
    sub(/^\[@/, "", $0)
    sub(/\]$/, "", $0)
    # 按;分割每个引用项
    n = split($0, cites, /; /)
    printf "\\footnote{"
    for (i=1; i<=n; i++) {
        if (cites[i] ~ /, [0-9]+$/) {
            # 处理带页码的引用项
            split(cites[i], parts, /, /)
            printf "\\cite[%s]{%s}", parts[2], substr(parts[1], 2)
        } else {
            # 处理不带页码的引用项
            printf "\\cite[]{%s}", substr(cites[i], 2)
        }
        if (i < n) printf ", "
    }
    printf "}\n"
    next
}
1' > "$temp_file"

# 第二步：处理单个带页码的引用
sed -i -E 's/\[@([^,]+), ([0-9]+)\]/\\footcite[\2]{\1}/g' "$temp_file"

# 第三步：处理单个不带页码的引用
sed -i -E 's/\[@([^]]+)\]/\\footcite{\1}/g' "$temp_file"

# 替换原文件（可选，根据需求调整）
mv "$temp_file" "$input_file"

方案2：简洁的Perl单命令（推荐） #

Perl的正则支持复杂分组和动态替换，一行命令即可覆盖所有场景：

perl -0pe '
# 处理多引用块
s/\[@(.*?)\]/do {
    my $c = $1;
    $c =~ s/; /, /g;
    $c =~ s/@([^,]+)(, (\d+))?/\\cite[$3]{$1}/g;
    $c =~ s/\[\]/\[\\]/g; # 修复无页码的空括号格式
    "\\footnote{$c}"
}/ge;
# 处理单个带页码的引用
s/\[@([^,]+), (\d+)\]/\\footcite[$2]{$1}/g;
# 处理单个不带页码的引用
s/\[@([^]]+)\]/\\footcite{$1}/g;
' "$input_file" > "$input_file_temp.md"

脚本说明 #

1. 多引用优先处理：多引用结构包含单个引用的特征，先处理可避免被后续单个引用规则误匹配。
2. 分层转换逻辑：先拆分多引用块内的子项，分别处理带/不带页码的情况，再重组为LaTeX的\footnote{\cite...}格式。
3. 单个引用收尾：处理剩余的单个引用，区分带页码和不带页码两种场景。

内容的提问来源于stack exchange，提问作者ReaderGuy42