使用 turndown 踩坑记录

最近开发中，遇到一个需求，需要自定义处理 bytemd 的粘贴逻辑，也就是：

在 React 项目中使用了 bytemd 编辑器 (https://github.com/pd4d10/bytemd) ，我也没有做过类似的需求，最开始的实现思路就是：

1）找到 bytemd 在哪里处理粘贴逻辑

2）阻止默认的粘贴逻辑

3）拿到粘贴的内容

4）返回预期的内容

寻找 bytemd 的自定义粘贴逻辑入口

通过查阅源码得知：插件也就是一个函数，用于扩展 Bytemd 编辑器和查看器的功能，返回指定的对象类型，返回对象类型已经定义好了，是 BytemdPlugin 。它包含五个属性：

• remark：自定义 Markdown 解析
• rehype：HTML 解析
• actions：注册操作，也就是定义我们编辑框上面哪些小图标的
• editorEffect ：编辑器副作用
• viewerEffect：查看器副作用

现在我们需要的是 editorEffect ，它是接受一个函数，函数中会给我们 ctx 也就是编辑器上下文，在这里我们可以通过 cxt.editor.on('paste',fn(cm,e){e.preventDefault();}) 来实现禁止默认粘贴逻辑，当我们这样写后，并且把这个插件注册到编辑器，我们粘贴就失效了，我们现在已经找到了粘贴逻辑的地方，下面我们来实现自定义粘贴的逻辑

自定义粘贴逻辑

我们需要先拿到用户粘贴的内容，也很简单：

 editor.on('paste', async (cm: any, e: ClipboardEvent) => {
   const clipboardData = e.clipboardData;
   const text = clipboardData.getData('text/plain'); // 文本内容
   const html = clipboardData.getData('text/html'); // 原始 html 内容
 }

现在我们需要对 html 内容进行解析，转为 md 格式，然后返回

通过调研，发现好用的 turndown 库：用 JavaScript 编写的 HTML 到 Markdown 转换器，下面我们就使用 turndown 来实现 html => markdown 。直接看代码：

// ...
const TurndownService = require('turndown')
const turndownService = new TurndownService()
const mdText = turndownService.turndown(html)
// ...

但是这样写，会发现有很多问题：

1. 代码块没有检测出来，没有高亮
2. 行内代码块没有展示
3. 代码中会有额外的转义斜杠
4. 编程语言未识别
5. 表格和删除线也不生效

等等问题，所以我们需要进行额外的配置，才能正确的把 HTML 转为 markdown 格式

下面经过我不断测试，最终得到的代码为：

import turndownService from 'turndown';
import { gfm, strikethrough, tables } from 'turndown-plugin-gfm';

/**
 * 配置并返回 turndown 实例
 */
export function configureTurndown() {
  const turndownServiceObj = new turndownService({
    codeBlockStyle: 'fenced',
  });

  turndownServiceObj.use(gfm);
  turndownServiceObj.use([tables, strikethrough]);

  // 添加自定义规则
  addCustomRules(turndownServiceObj);

  return turndownServiceObj;
}

/**
 * 为 turndown 添加自定义规则
 */
function addCustomRules(turndownServiceObj: turndownService) {
  // 删除线
  turndownServiceObj.addRule('strikethrough', {
    filter: ['del', 's', 'strike'] as string[],
    replacement: (content) => `~~${content}~~`,
  });

  // 代码块
  turndownServiceObj.addRule('pre', {
    filter: ['pre'],
    replacement: (content, node: any) => {
      const code = node.querySelector('code');
      let language = '';

      if (node.getAttribute('lang')) {
        language = node.getAttribute('lang');
      } else if (code?.className) {
        const langMatch = code.className.match(/language-(\S+)/);
        language = langMatch?.[1] || '';
      } else if (node.className) {
        const mdFencesMatch = node.className.match(/md-fences|language-(\S+)/);
        language = mdFencesMatch?.[1] || '';
      }

      let codeContent = code ? code.textContent.trim() : content.trim();
      codeContent = codeContent.replace(/\\([^\\])/g, '$1');
      language = language.toLowerCase().replace(/[^a-z0-9+#]+/g, '');

      return `\`\`\`${language}\n${codeContent}\n\`\`\`\n`;
    },
  });

  // 行内代码
  turndownServiceObj.addRule('inlineCode', {
    filter: (node) => node.nodeName === 'CODE' && node.parentNode?.nodeName !== 'PRE',
    replacement: (content) => `\`${content}\``,
  });

  // 表格
  turndownServiceObj.addRule('table', {
    filter: 'table',
    replacement: function (content, node) {
      const table = node as HTMLTableElement;
      const rows = Array.from(table.rows);

      const headers = Array.from(rows[0]?.cells || [])
        .map((cell) => cell.textContent?.trim() || '')
        .join(' | ');

      const separator = Array.from(rows[0]?.cells || [])
        .map(() => '---')
        .join(' | ');

      const data = rows
        .slice(1)
        .map((row) =>
          Array.from(row.cells)
            .map((cell) => cell.textContent?.trim() || '')
            .join(' | '),
        )
        .join('\n');

      return `\n| ${headers} |\n| ${separator} |\n${data ? `| ${data} |` : ''}\n\n`;
    },
  });
}

/**
 * 处理粘贴的内容
 */
export async function handlePastedContent(html: string, text: string) {
  const turndownServiceObj = configureTurndown();
  const parser = new DOMParser();
  const doc = parser.parseFromString(html, 'text/html');
  const images: HTMLImageElement[] = Array.from(doc.getElementsByTagName('img'));

  // 转为 markdown 文本
  const mdContent = turndownServiceObj.turndown(html);

  // 如果没有图片，直接返回处理后的文本
  if (images.length === 0) {
    return mdContent || text;
  }

  // 处理图片上传
  return await processImages(images, mdContent);
}

/**
 * 处理图片上传
 * @param images 图片元素数组
 * @param mdContent markdown 文本
 * @returns 处理图片上传后的 markdown 文本
 */
async function processImages(images: HTMLImageElement[], mdContent: string) {
  // 自定义图片上传的逻辑，通过上传后的图地址替换源地址，得到新的内容 processedText
  return processedText;
}

这样得到的结果就是正常的了！以上的过程得到了 AI 的极大帮助，帮我定位问题，分析问题，找到解决思路等等

---

此文自动发布于：github issues