Go开发Markdown转HTML解析器时H1正则替换结果异常如何解决

问题排查及修复方案 #

1. 换行符导致的显示异常
   你的输入文本大概率是Windows格式，换行符为\r\n。默认情况下正则的.不匹配换行符，所以(.*)会捕获到\r为止，得到的捕获组内容为 Hello World!\r。
   替换后的完整字符串实际为<h1> Hello World!\r</h1>，输出时\r会将光标移到当前行的开头，后续的</h1>就会覆盖行首的<h1>内容，最终呈现出你看到的异常输出。

2. 正则规则不完善
   你的正则没有匹配#和标题内容之间的空格，会导致捕获的标题开头多一个冗余空格，同时默认的^只会匹配整个字符串的开头，如果你有多行Markdown内容，其他行的一级标题无法被识别。

修复后的代码 #

content, readErr := ioutil.ReadFile(markdownFile)
contentString := string(content)

// 加(?m)开启多行模式，匹配#后至少一个空白字符再捕获标题内容
h1 := regexp.MustCompile(`(?m)^#\s+(.*?)\s*$`)
contentHTML := h1.ReplaceAllString(contentString, `<h1>$1</h1>`)

fmt.Println(contentHTML)

说明：

• (?m) 开启多行匹配模式，让^可以匹配每一行的开头，$匹配每一行的结尾
• \s+ 匹配#后的一个或多个空格/制表符
• (.*?) 非贪婪捕获标题内容
• \s*$ 匹配行尾的所有空白字符（包括\r），避免捕获到冗余的换行符

如果你不想修改正则，也可以在读取文件后先统一处理换行符，把所有\r\n替换为\n再做正则替换，也能解决这个问题。

内容的提问来源于stack exchange，提问作者Jed Denb