背景
現(xiàn)有一 Markdown 文件心铃，其中有 50 個小組塊钟病，組塊之間以二級標題區(qū)分。每個二級標題下有 1 張圖片漾狼，然后是文字。
以下是文檔中部分內容示例：
## 1. 小明
址)
今天小明去打羽毛球饥臂。
## 2. 小紅
址)
今天小紅去逛街逊躁。
現(xiàn)在希望：
- 把這 50 個組塊單獨切割出來
- 每個組塊均轉換為 doc 文件
- 文件名為小標題名（只有中文，不含數(shù)字序號）
- 每個小組塊文件中隅熙，以小標題為內文標題（只有中文稽煤，不含數(shù)字序號）
問：
如何批量完成該工作？
任務拆分
- 將 1 個 md 文件批量切割 md 文件 為 50 個 md 文件
- 切割的同時囚戚，將小標題作為文件名取出并直接為每個組塊文件命名
- 將 50 個 md 文件批量轉換成 50 個 doc 文件
工具準備
- python：撰寫批量切割的 python 腳本
- pandoc：用于格式轉換
- bash：通過 shell 腳本實現(xiàn)批量的格式轉換酵熙；有可能需要用上批量重命名的命令
rename來進行邊角修改
任務 1: 批量切割文檔
首先思考：
如果是手動切割，過程是怎樣的驰坊？
顯然我們是以二級標題為切割標志的匾二。而二級標題的代碼是 ##，會不會在文中其他地方出現(xiàn)呢拳芙？
進一步觀察與思考會發(fā)現(xiàn)：切割標志其實不是 ##察藐，而是 \n## ——也就是說，段落中或者網(wǎng)址中出現(xiàn)的 ## 都不是二級標題的代碼态鳖，只有換行符 \n 與 ## 連續(xù)出現(xiàn)時转培，## 才是二級標題代碼。因此我們確定了切割標志為：（字符串）\n##
python 中字符串的 str.split(sep, maxsplit) 方法可接受 2 個參數(shù)[1]：
- 第 1 個參數(shù) sep 表示分割標志（這里是
\n##） - 第 2 個參數(shù) maxsplit 表示最多分割幾次（由于是 50 份浆竭，故應該切割 49 次）
所以將讀入的全文以小標題為界分割為 50 份字符串的關鍵代碼是：
# 已將全文讀入 finContent 中
sp50 = finContent.split("\n##", 49)
任務 2：批量將已切割好的字符串導出到 50 個 md 文件中浸须，并以各小標題為各文件命名
批量導出到 50 個 md 文件中并不難惨寿，如果沒有上述命名需求，那么直接一個迭代 50 次的 for 循環(huán)即可解決該問題删窒。
問題在于：
如何取得各小標題名并為新生成的文件命名裂垦？
觀察每個小組塊，發(fā)現(xiàn)規(guī)律：
- 每個二級標題中都有英文句號「.」肌索，在「.」后的部分蕉拢，除去空格，即為小標題所有文字诚亚，這意味著：只要取得小標題所在行的內容晕换，就可以用
str.split()方法取得小標題對應文字 - 二級標題下即為圖片代碼，也就是說對這 50 個字符串而言站宗，每個字符串可以
\n\n![](為分割標志闸准，從而取得小標題所在行的內容
因此取得小標題的關鍵代碼為：
index = ((((iStr.split("\n\n![](")[0]).split('.'))[1]).split(' '))[1]
綜合前 2 項任務，該腳本代碼如下（同時放在 GitHub 庫中）：
#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)行該腳本梢灭，即可完成批量切割任務夷家。
任務 3: 批量轉換格式
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
完成后敏释，輸入 pandoc --version 查看是否安裝成功库快。
若安裝成功，只要下述命令钥顽，即可將 a.md 轉換為 a.doc：
$ pandoc a.md -o a.doc -c Github.css
但是這只能實現(xiàn)單文件的格式轉換义屏，若需要多文件的格式轉換，顯然需要批處理耳鸯。對 *nix 稍有了解的人很容易聯(lián)想到使用 bash shell 來解決這個問題：
- 讀取目錄下的文件列表
- 對讀取的每個文件名執(zhí)行上述 pandoc 命令
由于事情緊急湿蛔，因此查找網(wǎng)絡資料后，在命令行中輸入下述命令县爬，完成文件格式批量轉換：[3]
注：下述操作均默認在 50 個 md 文件所在目錄下進行
$ 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換問題阳啥。但有 1 點不美：那就是在此操作下，得到的文件后綴是 .md.doc 而非 .doc财喳。如何解決這個問題呢察迟？最后我們就使用 rename 方法搭配簡單的正則表達式，完成該任務：[4]
rename 's/\.md.doc/\.doc/' *
相關代碼也已經(jīng)寫成 shell script 形式上傳到 GitHub 庫中.
