如何在Python中清理Markdown文档列表的缩进格式并适配HTML渲染

我来给你梳理几个实用的方案，帮你搞定第三方生成的Markdown文档格式问题，让它能正常渲染成标准HTML。你的核心问题是列表缩进不统一、同列表元素间有空行导致解析异常，咱们一步一步来解决：

一、先用正则预处理，统一列表缩进和清理冗余空行 #

这是最直接的方式，先把不规范的缩进统一成Markdown解析器认可的格式（比如每个嵌套层级用4个空格），同时移除同列表元素之间的空行（避免解析器误判列表结束）。

你可以写一个预处理函数，用正则表达式批量替换：

import re

def normalize_markdown_lists(markdown_str):
    # 1. 统一无序列表的嵌套缩进：二级列表用4空格，三级用8空格
    # 处理二级无序列表（跟随在一级列表项后的嵌套项）
    markdown_str = re.sub(
        r'^(\s*([*-])\s+.+\n)(\s{2,})([*-])',
        r'\1    \4',
        markdown_str,
        flags=re.MULTILINE
    )
    # 处理三级无序列表
    markdown_str = re.sub(
        r'^(\s*([*-])\s+.+\n\s{4}([*-])\s+.+\n)(\s{2,})([*-])',
        r'\1        \5',
        markdown_str,
        flags=re.MULTILINE
    )
    # 2. 处理有序列表后的嵌套列表缩进
    markdown_str = re.sub(
        r'^(\s*\d+\.\s+.+\n)(\s{2,})([*-]|\d+\.)',
        r'\1    \3',
        markdown_str,
        flags=re.MULTILINE
    )
    # 3. 移除同列表元素之间的空行（保留不同区块间的空行）
    markdown_str = re.sub(
        r'^([*-]|\d+\.)\s+.+\n\s*\n(?=([*-]|\d+\.)\s+)',
        r'\1\n',
        markdown_str,
        flags=re.MULTILINE | re.DOTALL
    )
    # 可选：统一无序列表的项目符号（比如都换成*）
    # markdown_str = re.sub(r'^(\s*)-\s+', r'\1* ', markdown_str, flags=re.MULTILINE)
    return markdown_str

函数说明： #

• 前三个正则替换是把不同长度的嵌套缩进统一成4空格/层级的标准格式，不管原文档用了2个还是4个空格，都统一成解析器友好的格式；
• 第四个替换是去掉同列表里的空行，避免解析器把同一个列表拆成多个；
• 最后那个可选的替换可以把无序列表的-统一成*，让文档风格更一致。

二、用标准Markdown解析器渲染成HTML #

预处理完成后，就可以用成熟的Markdown解析库把处理后的文本转成HTML了，这里推荐几个常用的库：

方案1：用Python官方风格的markdown库 #

这是最常用的Markdown解析库，支持扩展，配置简单：

import markdown

def render_markdown_to_html(markdown_str):
    # 先预处理格式
    normalized_str = normalize_markdown_lists(markdown_str)
    # 用extra扩展支持更多Markdown特性（比如嵌套列表、粗体等）
    html = markdown.markdown(normalized_str, extensions=['extra'])
    return html

方案2：用CommonMark标准的commonmark库 #

如果需要严格遵循CommonMark规范，这个库会更靠谱：

from commonmark import Parser, HtmlRenderer

def render_with_commonmark(markdown_str):
    normalized_str = normalize_markdown_lists(markdown_str)
    # 解析成AST语法树
    parser = Parser()
    ast = parser.parse(normalized_str)
    # 渲染成HTML
    renderer = HtmlRenderer()
    return renderer.render(ast)

方案3：用高性能的mistune库 #

如果你的文档很大，需要更快的渲染速度，mistune是个不错的选择：

import mistune

def render_with_mistune(markdown_str):
    normalized_str = normalize_markdown_lists(markdown_str)
    # 初始化解析器，启用列表插件
    markdown_parser = mistune.Markdown(plugins=['list'])
    return markdown_parser(normalized_str)

三、测试效果 #

把你提供的示例文本传入函数，预处理后的Markdown会变成这样：

## Enumeration
1. Element 1
2. Element 2

## List (all elements rely on the same topic)

* Element 1 level 1
    * **Element 2** Level 2
* Element 3 level 1
    * Element 4 level 2
        * Element 5 level 3

* Element 6 level 1
    * Element 7 level 2
        * Element 8 level 3

（如果启用了统一项目符号的可选替换，最后那个用-的列表会变成*开头）

之后再渲染成HTML，就能得到结构正确的嵌套列表了，完全符合HTML渲染的要求。

备注：内容来源于stack exchange，提问作者Andrei Vukolov