在Textile/Markdown中有解析内联修饰符的标准方法吗

Question

我一直在考虑使用Scala的解析器组合子库(基本上是一个PEG解析器)编写Textile解析器，并且想知道我应该使用哪种方法来解析内联修饰符

This is *bold* text, _italic_ text, +underlined+ text, etc.

在这种情况下，很清楚什么是什么，以及应该解析什么。然而，有大量的边缘情况并不是很清楚。只关注粗体文本：

Which sections get bolded: 
*onomato*poeia* ?
bold *word*, without a space after?
tyr*annos*aurus
a bold word in a (*bracket*)?
How about *This *case?

显然，这是主观(应该将其视为粗体)和客观(如何使解析规则正确地解析它)的混合。

我倾向于像这样的PEG

wordChar = [a-zA-Z]
nonWordChar = [^a-zA-Z]
boldStart = nonWordChar ~ * ~ wordChar
boldEnd = wordChar ~ * ~ nonWordChar
boldSection = boldStart ~ rep(not(boldEnd) ~ anyChar) ~ boldEnd

它将按如下方式解析上述内容：

<b>onomato*poeia</b> ?
bold <b>word</b>, without a space after?
tyr*annos*aurus    <- fails because of lack of whitespace
a bold word in a (<b>bracket</b>)?
How about *This *case? <- fails because there is no correct closing *

然而，我不确定这个方法是否适用于所有用例，并且对所有边缘用例都有很好的定义。有没有一种我可以复制和依赖的标准方法？如果我可以避免的话，我宁愿不依赖我的特别的、没有经过深思熟虑的语言规范。

Answer 1

在markdown的情况下没有标准，在边缘情况下实现也不同。对于markdown情况下的一组选择，您可以查看MultiMarkdown中也使用的peg-markdown。当然，在这方面，markdown比textile更复杂，因为它使用**表示粗体，使用*表示斜体，这会导致更多关于如何处理*hello**there**等内容的决定。

PHP markdown extra的开发人员Michel Fortin有一个test suite，其中包含许多用于粗体/斜体的边界大小写。然而，我不认为在这里对他的决定有普遍的共识，许多实现都有不同的解析方式。

也就是说，我认为以下决定在降价方面是相当没有争议的：

如果下一个字符是non-whitespace.

• *，则
• *仅开始强调；如果前一个字符是non-whitespace.
• Emphasis，则仅结束强调；因此，在he*ll*o中，强调了两个l(尽管一些标记实现对_字符禁用了此功能，因为下划线在identifiers).

中很常见

Answer 2

在寻找了一段时间后，我找到了inline markup recognition rules for reStructuredText。

它不遵循markdown的规则；特别是像t*hi*s这样的东西不会被解析为内联标签，但它非常相似，并且具有相似的总体用途。

这也是一个有点复杂的规范(例如，使用特殊的括号和标点符号)，但它非常详细，充分的解释和合理的。我发现它的规范是一个非常坚实的基础。