为何Pandoc解析HTML时会跳过video标签？

问题复现 #

$ echo '<video><source src="filename.mp4" type="video/mp4"></video>' \
    | pandoc -f html -t html
# 输出为空

问题现象 #

移除-f html参数后，Pandoc可正常传递并格式化输入，但业务需求需要让Pandoc解析内容并入文档树，以识别样式等信息。在线测试时得到以下提示：

<video controls><source src="filename.mp4" type="video/mp4"></video>
---
> Skipped '<video controls>' at input line 1 column 1
> Skipped '<source src="filename.mp4" type="video/mp4">' at input line 1 column 17
> Skipped '</video>' at input line 1 column 61
# 输出为空

已尝试的无效方案 #

• 将video标签放入段落等容器中，标签仍消失
• 使用--self-contained、--embed-resources参数，无效果
• 最终命令携带--standalone参数，与问题无关

核心原因 #

Pandoc的HTML解析器默认仅识别其文档模型支持的结构化文本元素（如段落、标题、列表、图片等），<video>这类富媒体标签不在默认支持列表内，会被判定为“未知元素”直接跳过。

解决方法 #

方法1：使用--html-q-tags参数 #

该参数会让Pandoc保留所有无法识别的HTML标签，将其作为原始HTML块保留在输出中，同时正常解析其他支持的元素：

$ echo '<video><source src="filename.mp4" type="video/mp4"></video>' \
    | pandoc -f html --html-q-tags -t html

方法2：自定义Lua过滤器实现精细控制 #

如果需要修改标签属性、整合进文档树等个性化处理，可编写Lua过滤器：

function RawBlock (raw)
  if raw.format == "html" and raw.text:match("<video") then
    -- 示例：自动添加controls属性
    local modified = raw.text:gsub("<video", "<video controls")
    return RawBlock("html", modified)
  end
  return raw
end

使用方式：

$ echo '<video><source src="filename.mp4" type="video/mp4"></video>' \
    | pandoc -f html -t html --lua-filter=video-filter.lua

内容的提问来源于stack exchange，提问作者user203864