html - 使用 pandoc 将 html 转换为 json

Question

我正在尝试获取 html 并生成一些保持相同结构的 json。

我正在尝试使用 pandoc，因为我之前使用 pandoc 将格式 A 转换为格式 B 取得了一些成功。

我正在尝试转换此文件:

example.html

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

使用命令:

pandoc -f html -t json example.html

我期望的是这样的:

[{ "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?"}
    ]
  }
]

问题似乎是当 pandoc 读取文本内容时，它根据空格字符分隔每个单词并从中生成一个数组，而我希望 pandoc 理解整个字符串是一个元素。

我是 pandoc 的初学者，我一直无法找到调整该行为的方法。

您知道如何获得所需的输出吗？你知道另一个可以做到这一点的工具吗？工具或其编写语言并不重要。

谢谢。

编辑:您可以在 pandoc online tool 上在线测试该行为.

编辑 2:解决方法。我找不到如何使用 pandoc 进行 HTML->JSON 转换。作为解决方法，我使用了评论中提出的建议，并使用 Himalaya 实现了一个解决方案。 ，这是一个节点包。结果正是我所希望的，即使它没有使用 pandoc。

Answer 1

目前，pandoc JSON 表示不太适合人类阅读，而是从 Haskell pandoc 数据类型(又名文档 AST)自动生成的。有一些 discussion to change that eventually .

我猜你正在寻找类似 https://codebeautify.org/xmltojson 的东西？似乎还有plenty of commandline-tools that do that .