模板化网页生成工具：MarkdownConverter&BlogGenerator——原理、功能与使用方法详解

一、程序原理

这是一个将Markdown格式文档转换为结构化JSON配置，并最终生成HTML博客页面的工具链。核心由MarkdownConverter类和BlogGenerator类组成，实现以下核心流程：

Markdown文档 → 结构化JSON → HTML页面

1. Markdown解析阶段 (MarkdownConverter)

通过正则表达式逐行解析Markdown元素
识别标题层级（H1-H3）、代码块、列表、段落等元素
构建嵌套的章节结构（Section/Subsection）
生成包含内容语义的JSON配置文件

2. HTML生成阶段 (BlogGenerator)

读取HTML模板和JSON配置
将结构化内容注入模板生成最终页面

二、核心功能

1. 支持元素类型

标题：# H1、## H2、### H3

代码块：```包裹的代码段（支持语言标注）

无序列表：以- * +开头的列表项

普通段落：连续文本内容

1. 数据结构化

生成嵌套的JSON结构：

{
       "title": "文档标题",
       "sections": [
         {
           "id": "章节ID",
           "title": "章节标题",
           "subsections": [
             {
               "id": "子章节ID",
               "title": "子章节标题",
               "content": [/* 内容元素 */]
             }
           ]
         }
       ]
     }

内容元素支持四种类型：

普通文本段落："段落内容"

代码块：{ "code": ["line1", "line2"], "notes": { ... } }

要点列表：{ "notes": { "title": "要点说明", "items": [...] } }

表格：{ "table": { "headers": ["header1", ..."], "align": ["left", ...], "rows": [...] } }

三、使用方法

1. 输入文件准备

创建input.md文件，按以下规范编写内容：

# 博客标题

    ## 主章节1
    ### 子章节1
    段落文本...
    - 列表项1
    - 列表项2

    ```python
    print("代码示例")
    ```

    ## 主章节2
        直接内容...

2. 模板文件准备

创建template.html，需包含占位符（具体格式需与BlogGenerator实现匹配）

3. 执行转换

# 创建转换器实例
converter = MarkdownConverter()
   
# 转换Markdown为JSON配置
converter.convert("input.md", "config.json")
   
# 生成最终HTML
blog_generator.BlogGenerator("template.html").generate("config.json", "output.html")

输出文件说明

config.json：结构化内容配置

output.html：最终生成的博客页面

四、注意事项

1. 格式规范

2. 特殊处理

列表项自动转为notes对象

代码块语言说明存储于notes.title

连续段落自动合并为数组元素

五、示例工作流

1. 输入input.md：

# 机器学习入门
    
    ## 核心概念
    ### 监督学习
    主要特点包括：
    - 需要标注数据
    - 用于预测任务
    
    ```python
    model.fit(X_train, y_train)
    ```

    ## 实践步骤
    1. 数据预处理
    2. 模型训练

2. 输出config.json片段：

{
     "title": "机器学习入门",
     "sections": [
       {
         "id": "核心概念",
         "title": "核心概念",
         "subsections": [
           {
             "id": "监督学习",
             "title": "监督学习",
             "content": [
               "主要特点包括：",
               {
                 "notes": {
                   "title": "要点说明",
                   "items": ["需要标注数据", "用于预测任务"]
                 }
               },
               {
                 "code": ["model.fit(X_train, y_train)"],
                 "notes": {"title": "语言说明", "items": ["编程语言: python"]}
               }
             ]
           }
         ]
       }
     ]
   }

六、总结