一款对中文语境优化的 Markdown 引擎，支持 Go 和 JavaScript
千呼万唤始出来 犹抱琵琶半遮面
转轴拨弦三两声 未成曲调先有情
💡 简介
Lute 是一款结构化的 Markdown 引擎，完整实现了最新的 GFM/CommonMark 规范，对中文语境支持更好。
欢迎到 Lute 官方讨论区了解更多。同时也欢迎关注 B3log 开源社区微信公众号 B3log开源：
📽️ 背景
之前我一直在使用其他 Markdown 引擎，它们或多或少都有些“瑕疵”：
- 对标准规范的支持不一致
- 对“怪异”文本处理非常耗时，甚至挂死
- 对中文支持不够好
Lute 的目标是构建一个结构化的 Markdown 引擎，实现 GFM/CM 规范并对中文提供更好的支持。所谓的“结构化”指的是从输入的 MD 文本构建抽象语法树，通过操作树来进行 HTML 输出、原文格式化等。
实现规范是为了保证 Markdown 渲染不存在二义性，让同一份 Markdown 文本可以在实现规范的 Markdown 引擎处理后得到一样的结果，这一点非常重要。
实现规范的引擎并不多，我想试试看自己能不能写上一个，这也是 Lute 的动机之一。关于如何实现一个 Markdown 引擎，网上众说纷纭：
- 有的人说 Markdown 适合用正则解析，因为文法规则太简单
- 也有的人说 Markdown 可以用编译原理来处理，正则太难维护
我赞同后者，因为正则确实太难维护而且运行效率较低。最重要的原因是符合 GFM/CM 规范的 Markdown 引擎的核心解析算法不可能用正则写出来，因为规范定义的规则实在是太复杂了。
最后，还有一个很重要的动机就是 B3log 开源社区需要一款自己的 Markdown 引擎：
✨ 特性
- 实现最新版 GFM/CM 规范
- 零正则，非常快
- 内置代码块语法高亮
- 对中文语境支持更好
- 术语拼写修正
- Markdown 格式化
- Emoji 解析
- HTML 转换 Markdown
- 自定义渲染函数
- 支持 JavaScript 端使用
🗃 案例
🇨🇳 中文语境优化
- 自动链接识别加强
- 在中西文间自动插入空格
- 英文标点替换为中文标点
♍ 格式化
格式化功能可将“不整洁”的 Markdown 文本格式化为统一风格，在需要公共编辑的场景下，统一的排版风格能让大家更容易协作。
点此展开格式化示例。
Markdown 原文：
# ATX 标题也有可能需要格式化的 ##
一个简短的段落。
Setext 说实话我不喜欢 Setext 标题
----
0. 有序列表可以从 0 开始
0. 应该自增序号的
1. 对齐对齐对齐
我们再来看看另一个有序列表。
1. 没空行的情况下序号要从 1 开始才能打断段落开始一个新列表
3. 虽然乱序不影响渲染
2. 但是随意写序号容易引起误解
试下贴段代码：
```go
package main
import "fmt"
func main() {
fmt.Println("Hello, 世界")
}
```
对了，缩进代码块建议换成围栏代码块：
缩进代码块太隐晦了
也没法指定编程语言，容易导致代码高亮失效
所以建议大家用 ``` 围栏代码块
试下围栏代码块匹配场景：
````markdown
围栏代码块只要开头的 ` 和结束的 ` 数量匹配即可，这样可以实现在围栏代码块中显示围栏代码块：
```
这里只有 3 个 `，所以不会匹配markdown代码块结束
```
下面匹配到就真的结束了。
````
以上块级内容都挤在一坨了，插入合理的空行也很有必要。
但是过多的空行分段也不好啊，用来分段的话一个空行就够了。
接下来让我们试试稍微复杂点的场景，比如列表项包含多个段落的情况：
1. 列表项中的第一段
这里是第二个段落，贴段代码：
```markdown
要成为Markdown程序员并不容易，同理PPT架构师也是。
注意代码块中的中西文间并没有插入空格。
```
这里是最后一段了。
1. 整个有序列表是“松散”的：列表项内容要用 `<p>` 标签
最后，我们试下对 GFM 的格式化支持：
|col1|col2 | col3 |
--- |---------------|--
col1 without left pipe | this is col2 | col3 without right pipe
||need align cell|
**以上就是为什么我们需要Markdown Format，而且是带中西文自动空格的格式化。**
格式化后：
# ATX 标题也有可能需要格式化的
一个简短的段落。
## Setext 说实话我不喜欢 Setext 标题
0. 有序列表可以从 0 开始
1. 应该自增序号的
2. 对齐对齐对齐
我们再来看看另一个有序列表。
1. 没空行的情况下序号要从 1 开始才能打断段落开始一个新列表
2. 虽然乱序不影响渲染
3. 但是随意写序号容易引起误解
试下贴段代码：
```go
package main
import "fmt"
func main() {
fmt.Println("Hello, 世界")
}
```
对了，缩进代码块建议换成围栏代码块：
```
缩进代码块太隐晦了
也没法指定编程语言，容易导致代码高亮失效
所以建议大家用 ``` 围栏代码块
```
试下围栏代码块匹配场景：
````markdown
围栏代码块只要开头的 ` 和结束的 ` 数量匹配即可，这样可以实现在围栏代码块中显示围栏代码块：
```
这里只有 3 个 `，所以不会匹配markdown代码块结束
```
下面匹配到就真的结束了。
````
以上块级内容都挤在一坨了，插入合理的空行也很有必要。
但是过多的空行分段也不好啊，用来分段的话一个空行就够了。
接下来让我们试试稍微复杂点的场景，比如列表项包含多个段落的情况：
1. 列表项中的第一段
这里是第二个段落，贴段代码：
```markdown
要成为Markdown程序员并不容易，同理PPT架构师也是。
注意代码块中的中西文间并没有插入空格。
```
这里是最后一段了。
2. 整个有序列表是“松散”的：列表项内容要用 `<p>` 标签
最后，我们试下对 GFM 的格式化支持：
| col1 | col2 | col3 |
| ---------------------- | --------------- | ----------------------- |
| col1 without left pipe | this is col2 | col3 without right pipe |
| | need align cell | |
**以上就是为什么我们需要 Markdown Format，而且是带中西文自动空格的格式化。**
✍️ 术语修正
Markdown 原文：
在github上做开源项目是一件很开心的事情，请不要把Github拼写成`github`哦！
特别是简历中千万不要出现这样的情况：
> 熟练使用JAVA、Javascript、GIT，对android、ios开发有一定了解，熟练使用Mysql、postgresql数据库。
修正后：
在 GitHub 上做开源项目是一件很开心的事情，请不要把 GitHub 拼写成`github`哦！
特别是简历中千万不要出现这样的情况：
> 熟练使用 Java、JavaScript、Git，对 Android、iOS 开发有一定了解，熟练使用 MySQL、PostgreSQL 数据库。
⚡ 性能
💪 健壮性
Lute 承载了黑客派上的所有 Markdown 处理，每天处理数百万解析渲染请求，运行表现稳定。
🔒 安全性
Lute 没有实现实现 GFM 中的 Disallowed Raw HTML (extension)，因为该扩展还是存在一定漏洞（比如没有处理 <input> ）。
建议通过其他库（比如 bluemonday）来进行 HTML 安全过滤，这样也能更好地适配应用场景。
🛠️ 使用
有三种方式使用 Lute：
- 后端：用 Go 语言的话引入
github.com/88250/lute包 - 后端：将 Lute 启动为一个 HTTP 服务进程供其他进程调用，具体请参考这里
- 前端：引入 js 目录下的 lute.min.js，支持 Node.js
Go
引入 Lute 库：
go get -u github.com/88250/lute
最小化可工作示例：
package main
import (
"fmt"
"github.com/88250/lute"
)
func main() {
luteEngine := lute.New() // 默认已经启用 GFM 支持以及中文语境优化
html := luteEngine.MarkdownStr("demo", "**Lute** - A structured markdown engine.")
fmt.Println(html)
// <p><strong>Lute</strong> - A structured Markdown engine.</p>
}
关于代码块语法高亮：
- 默认使用外部样式表，主题为 github.css，可从 chroma-styles 目录下拷贝该样式文件到项目中引入
- 可通过
lutenEngine.SetCodeSyntaxHighlightXXX()来指定高亮相关参数，比如是否启用内联样式、行号以及主题
JavaScript
简单示例可参考 JavaScript 目录下的 demo，结合前端编辑器的完整用法请参考 Vditor 中的示例。
一些细节：
- lute.js 没有内置语法高亮特性
- lute.js 编译后大小为 ~2MB，通过
brotli -o lute.min.js.br lute.min.js压缩后大小 ~200KB，常规 GZip 压缩后大小 ~300KB
📜 文档
🏘️ 社区
📄 授权
Lute 使用 木兰宽松许可证, 第 2 版 开源协议。
🙏 鸣谢
Lute 的诞生离不开以下开源项目，在此对这些项目的贡献者们致敬！
- commonmark.js：该项目是 CommonMark 官方参考实现的 JavaScript 版，Lute 参考了其解析器实现部分
- goldmark：另一款用 golang 写的 Markdown 引擎，Lute 参考了其树遍历实现部分
- golang-commonmark：另一款用 golang 写的 Markdown 引擎，Lute 参考了其 URL 编码以及 HTML 转义算法
- Chroma：用 golang 写的语法高亮引擎
- 中文文案排版指北：统一中文文案、排版的相关用法，降低团队成员之间的沟通成本，增强网站气质
- GopherJS：将 Go 代码编译成 JavaScript 代码