编写Lua版Pandoc过滤器实现缩略语悬浮glossary功能的问题求助

解决方案 #

你可以通过「拆分含标点的Str节点 + Lua边界模式匹配缩略语 + 返回多元素替换原Str」的方式实现需求，完整代码如下：

-- 词汇表配置
local glossary = {CO = "Cardiac Output", DBP = "Diastolic Blood Pressure", SBP = "Systolic Blood Pressure"}

-- 预处理：按缩略语长度降序排序，避免短缩略语先匹配长缩略语的前缀
local sorted_keys = {}
for key in pairs(glossary) do
  table.insert(sorted_keys, key)
end
table.sort(sorted_keys, function(a, b) return #a > #b end)

function Str(elem)
  local text = elem.text
  local result = {}
  local pos = 1 -- 当前扫描位置
  local text_len = #text

  while pos <= text_len do
    local matched = false
    -- 尝试匹配所有缩略语
    for _, key in ipairs(sorted_keys) do
      -- %f 为Lua frontier模式，确保缩略语前后都不是字母，避免匹配单词内部字符
      local pattern = '%f[%a]' .. key .. '%f[%A]'
      local start_idx, end_idx = string.find(text, pattern, pos)
      -- 匹配到且匹配起始位置等于当前扫描位置
      if start_idx and start_idx == pos then
        -- 先添加匹配前的剩余文本（如果有）
        if start_idx > pos then
          table.insert(result, pandoc.Str(string.sub(text, pos, start_idx - 1)))
        end
        -- 添加悬浮提示Span
        table.insert(result, pandoc.Span(key, {
          title = glossary[key],
          class = "glossary"
        }))
        -- 更新扫描位置到匹配结束的下一位
        pos = end_idx + 1
        matched = true
        break
      end
    end
    -- 没有匹配到任何缩略语，添加当前字符后继续扫描
    if not matched then
      table.insert(result, pandoc.Str(string.sub(text, pos, pos)))
      pos = pos + 1
    end
  end

  -- 如果有生成多元素就返回，否则返回原节点
  if #result > 1 then
    return result
  elseif #result == 1 then
    return result[1]
  else
    return elem
  end
end

核心逻辑说明 #

1. 边界匹配：使用Lua的%f frontier模式保证只有独立出现的缩略语会被匹配，不会识别cobalt这类单词内部的CO片段，不管缩略语周围是逗号、斜杠、分号还是其他标点都能正确识别。
2. 多元素返回：Pandoc的过滤器支持返回一个元素列表替换原单个Str节点，因此可以把原来包含标点和多个缩略语的Str拆分为「普通文本Str + 悬浮Span + 普通文本Str」的组合，完全保留原排版格式。
3. 排序匹配：提前对缩略语按长度降序排序，避免后续如果新增短缩略语匹配长缩略语前缀的问题。

该方案可以完美覆盖你提供的测试用例中的所有场景：单独出现的缩略语、带标点后缀的缩略语、斜杠分隔的多个缩略语、列表中的缩略语都能正确添加悬浮提示。

内容的提问来源于stack exchange，提问作者cjdbarlow