使用pandoc將html轉換為json

Question

我正在嘗試使用html並生成一些保持相同結構的json。

我正在嘗試使用pandoc，因為我在使用pandoc之前將事物從格式A轉換為格式B方面取得了一些成功。

我正在嘗試轉換此文件：

example.html的

<p>Hello guys! What's up?</p>

使用命令：

pandoc -f html -t json example.html

我期望的是：

[{ "p": "Hello guys! What's up?"}]

我得到的是：

[
  { "Para":
    [
      {"t": "Str", "c": "Hello"},
      {"t": "Space"},
      {"t": "Str", "c": "guys!"},
      {"t": "Space"},
      {"t": "Str", "c": "What's"},
      {"t": "Space"},
      {"t": "Str", "c": "up?"}
    ]
  }
]

問題似乎是當pandoc讀取文本內容時，它會根據空格字符分隔每個單詞並從中生成一個數組，而我希望pandoc能夠理解整個字符串是單個元素。

我是pandoc的初學者，我無法找到如何調整這種行為。

你知道我如何獲得所需的輸出嗎？ 你知道另一種可以做到這一點的工具嗎？ 該工具或其編寫的語言無關緊要。

謝謝。

編輯 ：您可以在該pandoc在線工具上在線測試該行為。

編輯2 ：解決方法。 我找不到如何使用pandoc進行HTML-> JSON轉換。 作為一種解決方法，我使用了評論中提出的建議，並使用喜馬拉雅實現了一個解決方案，這是一個節點包。 結果正是我所希望的，即使它沒有使用pandoc。

Answer 1

目前，pandoc JSON表示不是人類可讀的，而是從Haskell pandoc數據類型（也稱為文檔AST）自動生成。 有一些討論要最終改變 。

我想你正在尋找像https://codebeautify.org/xmltojson這樣的東西？ 似乎還有很多命令行工具可以做到這一點 。

Answer 2

Pandoc，它是一個轉換文檔的工具，文檔的json表示，它只是Pandoc可以為AST處理的另一種表示（抽象語法樹）

Original Document --> Pandoc's AST --> Output Document
                   |                |
                pandoc           pandoc

問pandoc，輸出一個json ，就是要求它的json格式的AST樹，

如果我理解正確你需要更像xml到json轉換器的東西，就像這個Python xmljson模塊或像這樣的在線工具。

當你想象它時，有很多工具可以用於這項工作，只需谷歌XML到JSON轉換。

在pandoc中使用的AST的json表示，它通常用於從pandoc輸出它，並將其傳遞到另一個可以處理json文件的程序中，因此您可以更改AST並使過濾器來操作文檔的結構。