背景

現(xiàn)有一 Markdown 文件，其中有 50 個(gè)小組塊，組塊之間以二級(jí)標(biāo)題區(qū)分。每個(gè)二級(jí)標(biāo)題下有 1 張圖片，然后是文字。

以下是文檔中部分內(nèi)容示例：

## 1. 小明

![](小明打羽毛球的球場(chǎng)網(wǎng)址)

今天小明去打羽毛球。

## 2. 小紅

![](小紅逛街的商店網(wǎng)址)

今天小紅去逛街。

現(xiàn)在希望：

• 把這 50 個(gè)組塊單獨(dú)切割出來(lái)
• 每個(gè)組塊均轉(zhuǎn)換為 doc 文件
• 文件名為小標(biāo)題名（只有中文，不含數(shù)字序號(hào)）
• 每個(gè)小組塊文件中，以小標(biāo)題為內(nèi)文標(biāo)題（只有中文，不含數(shù)字序號(hào)）

問(wèn)：

如何批量完成該工作？

任務(wù)拆分

1. 將 1 個(gè) md 文件批量切割 md 文件 為 50 個(gè) md 文件
2. 切割的同時(shí)，將小標(biāo)題作為文件名取出并直接為每個(gè)組塊文件命名
3. 將 50 個(gè) md 文件批量轉(zhuǎn)換成 50 個(gè) doc 文件

工具準(zhǔn)備

• python：撰寫批量切割的 python 腳本
• pandoc：用于格式轉(zhuǎn)換
• bash：通過(guò) shell 腳本實(shí)現(xiàn)批量的格式轉(zhuǎn)換；有可能需要用上批量重命名的命令 rename 來(lái)進(jìn)行邊角修改

任務(wù) 1: 批量切割文檔

首先思考：

如果是手動(dòng)切割，過(guò)程是怎樣的？

顯然我們是以二級(jí)標(biāo)題為切割標(biāo)志的。而二級(jí)標(biāo)題的代碼是 ##，會(huì)不會(huì)在文中其他地方出現(xiàn)呢？

進(jìn)一步觀察與思考會(huì)發(fā)現(xiàn)：切割標(biāo)志其實(shí)不是 ##，而是 \n## ——也就是說(shuō)，段落中或者網(wǎng)址中出現(xiàn)的 ## 都不是二級(jí)標(biāo)題的代碼，只有換行符 \n 與 ## 連續(xù)出現(xiàn)時(shí)，## 才是二級(jí)標(biāo)題代碼。因此我們確定了切割標(biāo)志為：（字符串）\n##

python 中字符串的 str.split(sep, maxsplit) 方法可接受 2 個(gè)參數(shù)^[1]：

1. 第 1 個(gè)參數(shù) sep 表示分割標(biāo)志（這里是 \n##）
2. 第 2 個(gè)參數(shù) maxsplit 表示最多分割幾次（由于是 50 份，故應(yīng)該切割 49 次）

所以將讀入的全文以小標(biāo)題為界分割為 50 份字符串的關(guān)鍵代碼是：

# 已將全文讀入 finContent 中
sp50 = finContent.split("\n##", 49)

任務(wù) 2：批量將已切割好的字符串導(dǎo)出到 50 個(gè) md 文件中，并以各小標(biāo)題為各文件命名

批量導(dǎo)出到 50 個(gè) md 文件中并不難，如果沒(méi)有上述命名需求，那么直接一個(gè)迭代 50 次的 for 循環(huán)即可解決該問(wèn)題。

問(wèn)題在于：

如何取得各小標(biāo)題名并為新生成的文件命名？

觀察每個(gè)小組塊，發(fā)現(xiàn)規(guī)律：

1. 每個(gè)二級(jí)標(biāo)題中都有英文句號(hào)「.」，在「.」后的部分，除去空格，即為小標(biāo)題所有文字，這意味著：只要取得小標(biāo)題所在行的內(nèi)容，就可以用 str.split() 方法取得小標(biāo)題對(duì)應(yīng)文字
2. 二級(jí)標(biāo)題下即為圖片代碼，也就是說(shuō)對(duì)這 50 個(gè)字符串而言，每個(gè)字符串可以 \n\n![]( 為分割標(biāo)志，從而取得小標(biāo)題所在行的內(nèi)容

因此取得小標(biāo)題的關(guān)鍵代碼為：

index = ((((iStr.split("\n\n![](")[0]).split('.'))[1]).split(' '))[1]

綜合前 2 項(xiàng)任務(wù)，該腳本代碼如下（同時(shí)放在 GitHub 庫(kù)中）：

#coding: utf-8

originPath = "/home/sushangjun/Documents/"
srcPath = originPath + "Top50Bussiness.txt"
tarPath = originPath + "output50/"

fin = open(srcPath, 'r')

finContent = fin.read()

sp50 = finContent.split("\n##", 49)

for iStr in sp50:
    index = ((((iStr.split("\n\n![](")[0]).split('.'))[1]).split(' '))[1]
    fout = open(tarPath + "{}.md".format(index), 'w')
    fout.write("## " + index + "\n\n![](" + (iStr.split("\n\n![]("))[1])
    fout.close()

fin.close()

在命令行中執(zhí)行該腳本，即可完成批量切割任務(wù)。

任務(wù) 3: 批量轉(zhuǎn)換格式

這里需要使用 Pandoc^[2]，Debian 系 Linux 只要使用 apt-get 安裝即可：

$ sudo apt-get install pandoc

完成后，輸入 pandoc --version 查看是否安裝成功。

若安裝成功，只要下述命令，即可將 a.md 轉(zhuǎn)換為 a.doc：

$ pandoc a.md -o a.doc -c Github.css

但是這只能實(shí)現(xiàn)單文件的格式轉(zhuǎn)換，若需要多文件的格式轉(zhuǎn)換，顯然需要批處理。對(duì) *nix 稍有了解的人很容易聯(lián)想到使用 bash shell 來(lái)解決這個(gè)問(wèn)題：

1. 讀取目錄下的文件列表
2. 對(duì)讀取的每個(gè)文件名執(zhí)行上述 pandoc 命令

由于事情緊急，因此查找網(wǎng)絡(luò)資料后，在命令行中輸入下述命令，完成文件格式批量轉(zhuǎn)換：^[3]

注：下述操作均默認(rèn)在 50 個(gè) md 文件所在目錄下進(jìn)行

$ ls > aa.md
$ cat aa.md |while read line
> do
> pandoc $line -o $line.doc -c Github.css
> done

這樣基本完成了批量格式轉(zhuǎn)換問(wèn)題。但有 1 點(diǎn)不美：那就是在此操作下，得到的文件后綴是 .md.doc 而非 .doc。如何解決這個(gè)問(wèn)題呢？最后我們就使用 rename 方法搭配簡(jiǎn)單的正則表達(dá)式，完成該任務(wù)：^[4]

rename 's/\.md.doc/\.doc/' *

相關(guān)代碼也已經(jīng)寫成 shell script 形式上傳到 GitHub 庫(kù)中.

參考資料

1. Python 3.5: str.split ?

2. Markdown寫作進(jìn)階：Pandoc入門淺談 ?

3. shell 循環(huán)文件列表取出文件名 ?

4. Linux批量修改文件名方法小結(jié) ?