如何为Markdown中的原始HTML块包裹Hugo rawhtml短代码

完全可以通过pandoc过滤器实现，比正则表达式方案更稳定可靠，不会出现HTML边界匹配错误的问题。

推荐方案：内置Lua过滤器（无额外依赖） #

pandoc原生支持Lua过滤器，不需要安装任何额外依赖，只需几行代码即可实现需求：

1. 新建Lua脚本wrap-html.lua，内容如下：

function RawBlock(el)
  -- 仅识别原始HTML块
  if el.format == 'html' then
    return pandoc.RawBlock('markdown', '{{< rawhtml >}}\n' .. el.text .. '\n{{< /rawhtml >}}')
  end
end

2. 执行pandoc转换时添加过滤器参数即可：

pandoc 输入文件.md -o 输出文件.md --lua-filter wrap-html.lua

替代方案：Python过滤器 #

如果你更习惯用Python，可以借助panflute库实现：

1. 先安装依赖：
   pip install panflute
2. 新建Python脚本wrap_html.py，内容如下：

import panflute as pf

def wrap_html(elem, doc):
    if isinstance(elem, pf.RawBlock) and elem.format == 'html':
        return pf.RawBlock(f'{{{{< rawhtml >}}}}\n{elem.text}\n{{{{< /rawhtml >}}}}', format='markdown')

if __name__ == "__main__":
    pf.run_filter(wrap_html)

3. 转换时调用：

pandoc 输入文件.md -o 输出文件.md --filter wrap_html.py

和正则方案的对比 #

正则匹配HTML天生存在缺陷，遇到跨行标签、属性带特殊字符、嵌套结构的场景很容易出现匹配边界错误，把普通文本误判为HTML或者漏匹配HTML块。pandoc过滤器基于语法树识别真正的原始HTML块，准确率100%，适合处理复杂的文档场景。

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