如何用AWK脚本仅处理TeX文档中\begin{document}与\end{document}间的内容？

要让AWK只处理TeX文档中\begin{document}与\end{document}之间的内容，最直接的方式是用状态变量标记当前是否处于目标区域，结合模式匹配控制逻辑执行。

核心思路 #

设置一个布尔变量（比如in_doc），初始值为0（表示不在正文区域）。匹配到起始标签时将变量设为1，匹配到结束标签时设为0；只有当变量为1时，才执行你的TeX转HTML处理逻辑。

完整AWK脚本示例 #

# 初始化状态变量：默认不在正文区域
BEGIN { in_doc = 0 }

# 匹配起始标签，进入正文模式，跳过标签行
/\\begin{document}/ {
    in_doc = 1
    next
}

# 匹配结束标签，退出正文模式，跳过标签行
/\\end{document}/ {
    in_doc = 0
    next
}

# 处于正文区域时，执行处理逻辑（示例为直接输出，替换成你的转HTML代码即可）
in_doc {
    # 这里替换为你的TeX转HTML处理逻辑，比如替换公式、处理段落等
    print $0
}

使用说明 #

将上述代码保存为tex2html.awk，运行以下命令处理你的TeX文件：

awk -f tex2html.awk your_input.tex

注意事项 #

• 如果标签前后有多余空格（比如 \begin{document} ），当前正则表达式/\\begin{document}/依然能匹配；若要强制匹配整行无多余内容的标签，可改用/^\\begin{document}$/。
• TeX规范中document环境不会嵌套，无需处理多层嵌套场景。
• 在in_doc代码块中，你可以逐步添加自定义转义逻辑，比如替换$...$为HTML公式标签、将\section{...}转为<h2>等。

内容的提问来源于stack exchange，提问作者Francisco de Javier