Second generation of the parser
This commit is contained in:
parent
9dc13bc2bc
commit
632c454116
GPG key ID:
4CFE0A42FA409C22
2 changed files with 337 additions and 202 deletions
381
markdown.awk
381
markdown.awk
|
|
@ -1,235 +1,212 @@
|
|||
# markdown implementation in awk
|
||||
# references:
|
||||
# - https://gist.github.com/xdanger/116153
|
||||
# - https://github.com/nuex/zodiac/blob/master/lib/markdown.awk
|
||||
# - https://dataswamp.org/~solene/2019-08-26-minimal-markdown.html
|
||||
|
||||
BEGIN {
|
||||
si = 0;
|
||||
stack[si] = "body";
|
||||
val[si] = 0
|
||||
res[si] = ""
|
||||
i = 0;
|
||||
body = ""
|
||||
in_code = 0
|
||||
}
|
||||
|
||||
function peek(num) {
|
||||
return substr($0, i, num);
|
||||
function parse_header(str) {
|
||||
match($0, /#+/);
|
||||
hnum = RLENGTH;
|
||||
|
||||
content = parse_block(substr(str, hnum + 1, length(str) - hnum ));
|
||||
return "<h" hnum ">" content "</h" hnum ">";
|
||||
}
|
||||
|
||||
function push(block) {
|
||||
stack[++si] = block;
|
||||
res[si] = "";
|
||||
val[si] = 0;
|
||||
function read_line(str, pos, res, i) {
|
||||
res = "";
|
||||
for (i=pos; i<=length(str); i++) {
|
||||
if (substr(str, i, 1) == "\n")
|
||||
return res;
|
||||
res = res substr(str, i, 1);
|
||||
}
|
||||
|
||||
return res;
|
||||
}
|
||||
|
||||
function pop(str) {
|
||||
res[si-1] = res[si-1] str
|
||||
res[si] = ""
|
||||
val[si] = 0
|
||||
si--
|
||||
|
||||
if (stack[si] == "body") {
|
||||
printf(res[si]);
|
||||
res[si] = ""
|
||||
function find(str, s, i, sl, j) {
|
||||
sl = length(s);
|
||||
for (j = i; j <= length(str); j++) {
|
||||
if (substr(str, j, sl) == s)
|
||||
return j;
|
||||
}
|
||||
|
||||
return 0;
|
||||
}
|
||||
|
||||
function handle_code() {
|
||||
if (peek(1) == "`") {
|
||||
i = i + 1;
|
||||
pop("<code>" res[si] "</code>")
|
||||
return;
|
||||
function startswith(str, s, sl, j) {
|
||||
sl = length(s);
|
||||
for (j = 1; j <= length(str); j++) {
|
||||
if (substr(str, j, sl) == s)
|
||||
return j;
|
||||
if (substr(str, j, 1) != " ")
|
||||
return 0;
|
||||
}
|
||||
if ($0 == "") {
|
||||
pop("`" res[si])
|
||||
return;
|
||||
}
|
||||
if (i > length($0)) {
|
||||
next;
|
||||
}
|
||||
|
||||
if (i == 1 && length(res[si]) > 0)
|
||||
res[si] = res[si] " ";
|
||||
|
||||
res[si] = res[si] peek(1)
|
||||
i++;
|
||||
return 0;
|
||||
}
|
||||
#function parse_list_item(str,
|
||||
|
||||
function handle_code_long() {
|
||||
if (peek(3) == "```") {
|
||||
i = i + 3;
|
||||
pop("<code>" res[si] "</code>")
|
||||
return;
|
||||
}
|
||||
if (i > length($0)) {
|
||||
res[si] = res[si] "\n";
|
||||
next;
|
||||
}
|
||||
|
||||
res[si] = res[si] peek(1)
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_inline_code() {
|
||||
if (peek(1) == "`") {
|
||||
i = i + 1;
|
||||
pop("<code>" res[si] "</code>")
|
||||
return;
|
||||
}
|
||||
if (i > length($0)) {
|
||||
pop("`" res[si]);
|
||||
return;
|
||||
}
|
||||
|
||||
res[si] = res[si] peek(1)
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_inline_code_long() {
|
||||
if (peek(3) == "```") {
|
||||
i = i + 3;
|
||||
pop("<code>" res[si] "</code>")
|
||||
return;
|
||||
}
|
||||
if (i > length($0)) {
|
||||
pop("```" res[si]);
|
||||
return;
|
||||
}
|
||||
|
||||
res[si] = res[si] peek(1)
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_inline_strong() {
|
||||
if (peek(2) == "**") {
|
||||
i = i + 2;
|
||||
pop("<strong>" res[si] "</strong>")
|
||||
return;
|
||||
}
|
||||
if (peek(3) == "```") {
|
||||
i = i + 3;
|
||||
push("inline_code_long");
|
||||
return;
|
||||
}
|
||||
if (peek(1) == "`") {
|
||||
i = i + 1;
|
||||
push("inline_code");
|
||||
return;
|
||||
}
|
||||
if (i > length($0)) {
|
||||
pop("**" res[si]);
|
||||
return;
|
||||
}
|
||||
|
||||
res[si] = res[si] peek(1)
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_inline() {
|
||||
if (peek(2) == "**") {
|
||||
i = i + 2;
|
||||
push("inline_strong");
|
||||
return;
|
||||
}
|
||||
if (peek(3) == "```") {
|
||||
i = i + 3;
|
||||
push("inline_code_long");
|
||||
return;
|
||||
}
|
||||
|
||||
res[si] = res[si] peek(1);
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_block() {
|
||||
if (peek(3) == "```") {
|
||||
i = i + 3;
|
||||
push("code_long");
|
||||
return;
|
||||
}
|
||||
if (peek(1) == "`") {
|
||||
i = i + 1;
|
||||
push("code");
|
||||
return;
|
||||
}
|
||||
res[si] = res[si] peek(1);
|
||||
i++;
|
||||
}
|
||||
|
||||
function handle_paragraph() {
|
||||
if (i == 1 && ($0 == "" || peek(1) == "#")) {
|
||||
if (length(res[si]) > 0)
|
||||
pop("<p>" res[si] "</p>\n");
|
||||
function fold_lines(arr, i, result) {
|
||||
for (i in arr) {
|
||||
if (result != "")
|
||||
result = result " " arr[i];
|
||||
else
|
||||
pop("");
|
||||
|
||||
if (peek(1) == "#")
|
||||
return;
|
||||
|
||||
next;
|
||||
result = arr[i];
|
||||
}
|
||||
|
||||
if (i == 1 && length(res[si]) > 0)
|
||||
res[si] = res[si] " ";
|
||||
|
||||
handle_block();
|
||||
|
||||
if (i > length($0))
|
||||
next;
|
||||
}
|
||||
|
||||
function handle_header() {
|
||||
if (i == 1) {
|
||||
match($0, /#+/);
|
||||
val[si] = RLENGTH;
|
||||
i = RLENGTH + 1;
|
||||
return;
|
||||
function parse_list(str, buf, result, i, ind, line, lines, indent) {
|
||||
result = "<ul>\n";
|
||||
buf = "";
|
||||
|
||||
print "parse: " str ">" startswith(str, "* ")
|
||||
split(str, lines, "\n");
|
||||
|
||||
for (i in lines) {
|
||||
line = lines[i];
|
||||
}
|
||||
|
||||
if (i>length($0)) {
|
||||
pop("<h" val[si] ">" res[si] "</h" val[si] ">\n");
|
||||
next;
|
||||
}
|
||||
indent = 0;
|
||||
for (i in lines) {
|
||||
line = lines[i];
|
||||
print "line: " line " " startswith(line, "* ") " " indent
|
||||
ind = startswith(line, "* ");
|
||||
if (indent == 0 && ind > 0) {
|
||||
indent = ind;
|
||||
}
|
||||
else if (indent > 0 && ind > 0 && ind <= indent) {
|
||||
if (length(buf) > 0) {
|
||||
result = result "<li>" parse_list(buf) "</li>\n";
|
||||
buf = "";
|
||||
}
|
||||
}
|
||||
if (length(buf) > 0)
|
||||
buf = buf "\n";
|
||||
|
||||
handle_inline();
|
||||
if (ind > 0 && ind <= indent) {
|
||||
buf = buf substr(line, ind+2, length(line) - 2);
|
||||
}
|
||||
else
|
||||
buf = buf line;
|
||||
}
|
||||
if (length(buf) > 0) {
|
||||
result = result "<li>" parse_list(buf) "</li>\n";
|
||||
}
|
||||
result = result "</ul>";
|
||||
return result;
|
||||
}
|
||||
|
||||
function handle_body() {
|
||||
if (peek(1) == "#") {
|
||||
push("header");
|
||||
return;
|
||||
function parse_block(str, result, end, i) {
|
||||
#print "block '" str "'"
|
||||
result = ""
|
||||
|
||||
if (substr(str, 1, 2) == "* ") {
|
||||
return parse_list(str);
|
||||
}
|
||||
|
||||
for (i=1; i<=length(str); i++) {
|
||||
if (substr(str, i, 2) == "**") {
|
||||
end = find(str, "**", i+2);
|
||||
|
||||
if (end != 0) {
|
||||
result = result "<strong>" parse_block(substr(str, i+2, end - i - 2)) "</strong>";
|
||||
i = end+1;
|
||||
}
|
||||
else {
|
||||
result = result "**";
|
||||
i++;
|
||||
}
|
||||
}
|
||||
else if (substr(str, i, 3) == "```") {
|
||||
end = find(str, "```", i+3);
|
||||
if (end != 0) {
|
||||
result = result "<code>" substr(str, i+3, end - i - 3) "</code>";
|
||||
i = end+1;
|
||||
}
|
||||
else {
|
||||
result = result "```";
|
||||
i=i+2;
|
||||
}
|
||||
}
|
||||
else if (substr(str, i, 1) == "`") {
|
||||
end = find(str, "`", i+1);
|
||||
|
||||
}
|
||||
else {
|
||||
if (substr(str, i, 1) == "\n") {
|
||||
if (length(result) > 0)
|
||||
result = result " ";
|
||||
}
|
||||
else {
|
||||
result = result substr(str, i, 1);
|
||||
}
|
||||
}
|
||||
}
|
||||
#print "block result '" result "'"
|
||||
return result;
|
||||
}
|
||||
|
||||
function parse_paragraph(str) {
|
||||
if (substr(str, 1, 2 ) == "* ") {
|
||||
return parse_block(str);
|
||||
}
|
||||
else {
|
||||
return "<p>" parse_block(str) "</p>";
|
||||
}
|
||||
}
|
||||
|
||||
function parse_body(str) {
|
||||
if (substr(str, 1, 1) == "#") {
|
||||
print(parse_header(str));
|
||||
}
|
||||
else {
|
||||
push("paragraph");
|
||||
return;
|
||||
print(parse_paragraph(str));
|
||||
}
|
||||
}
|
||||
|
||||
/^#/ {
|
||||
if (body != "") {
|
||||
parse_body(body);
|
||||
}
|
||||
parse_body($0);
|
||||
body = "";
|
||||
next;
|
||||
}
|
||||
|
||||
/^$/ {
|
||||
if (body == "")
|
||||
next;
|
||||
|
||||
if (startswith(body, "```") == 1) {
|
||||
body = body "\n";
|
||||
next;
|
||||
}
|
||||
|
||||
parse_body(body);
|
||||
body = "";
|
||||
next;
|
||||
}
|
||||
|
||||
/```/ {
|
||||
if (startswith(body, "```") == 1) {
|
||||
if (body != "")
|
||||
body = body "\n";
|
||||
|
||||
print "<code>" substr(body, 4, length(body)-3) "</code>";
|
||||
body = "";
|
||||
next;
|
||||
}
|
||||
}
|
||||
|
||||
// {
|
||||
i = 1;
|
||||
if (body != "")
|
||||
body = body "\n" $0;
|
||||
else
|
||||
body = $0;
|
||||
|
||||
while (1) {
|
||||
if (stack[si] == "body")
|
||||
handle_body();
|
||||
else if (stack[si] == "paragraph")
|
||||
handle_paragraph();
|
||||
else if (stack[si] == "header")
|
||||
handle_header();
|
||||
else if (stack[si] == "inline_strong")
|
||||
handle_inline_strong();
|
||||
else if (stack[si] == "inline_code_long")
|
||||
handle_inline_code_long();
|
||||
else if (stack[si] == "inline_code")
|
||||
handle_inline_code();
|
||||
else if (stack[si] == "code_long")
|
||||
handle_code_long();
|
||||
else if (stack[si] == "code")
|
||||
handle_code();
|
||||
}
|
||||
next;
|
||||
}
|
||||
|
||||
|
||||
END {
|
||||
#print res[si];
|
||||
#newblock();
|
||||
if (body != "") {
|
||||
parse_body(body);
|
||||
}
|
||||
}
|
||||
|
|
|
|||
158
test.sh
Executable file
158
test.sh
Executable file
|
|
@ -0,0 +1,158 @@
|
|||
#!/bin/bash
|
||||
|
||||
set -e
|
||||
|
||||
check() {
|
||||
input="$(mktemp)"
|
||||
expected_output="$(mktemp)"
|
||||
output="$(mktemp)"
|
||||
|
||||
current="input"
|
||||
while IFS='$\n' read -r line; do
|
||||
if [[ "$line" == "---" ]]; then
|
||||
current="output"
|
||||
elif [[ "$current" == "input" ]]; then
|
||||
echo "$line" >> "$input"
|
||||
else
|
||||
echo $line >> "$expected_output"
|
||||
fi
|
||||
done
|
||||
|
||||
awk -f markdown.awk "$input" >> "$output"
|
||||
|
||||
result="success"
|
||||
|
||||
if ! cmp -s "$output" "$expected_output"; then
|
||||
echo "FAIL"
|
||||
echo "--- input"
|
||||
cat "$input"
|
||||
echo "--- expected"
|
||||
cat "$expected_output"
|
||||
echo "--- got"
|
||||
cat "$output"
|
||||
echo "---"
|
||||
result="fail"
|
||||
else
|
||||
echo "SUCCESS"
|
||||
fi
|
||||
|
||||
rm "$input"
|
||||
rm "$expected_output"
|
||||
rm "$output"
|
||||
|
||||
if [[ "$result" == "fail" ]]; then
|
||||
exit 1
|
||||
fi
|
||||
}
|
||||
|
||||
check <<-EOF
|
||||
This is a simple sentence.
|
||||
---
|
||||
<p>This is a simple sentence.</p>
|
||||
EOF
|
||||
|
||||
|
||||
check <<-EOF
|
||||
This is a
|
||||
simple sentence.
|
||||
---
|
||||
<p>This is a simple sentence.</p>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
First paragraph.
|
||||
|
||||
Second paragraph.
|
||||
---
|
||||
<p>First paragraph.</p>
|
||||
<p>Second paragraph.</p>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
# Header
|
||||
body
|
||||
---
|
||||
<h1> Header</h1>
|
||||
<p>body</p>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
# Header1
|
||||
## Header2
|
||||
### Header3
|
||||
---
|
||||
<h1> Header1</h1>
|
||||
<h2> Header2</h2>
|
||||
<h3> Header3</h3>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
**bold**
|
||||
---
|
||||
<p><strong>bold</strong></p>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
**bold
|
||||
multiline**
|
||||
---
|
||||
<p><strong>bold multiline</strong></p>
|
||||
EOF
|
||||
|
||||
check <<-EOF
|
||||
**bold
|
||||
---
|
||||
<p>**bold</p>
|
||||
EOF
|
||||
|
||||
check <<-"EOF"
|
||||
```
|
||||
first line of code
|
||||
|
||||
second line of code
|
||||
```
|
||||
---
|
||||
<code>
|
||||
first line of code
|
||||
|
||||
second line of code
|
||||
</code>
|
||||
EOF
|
||||
|
||||
check <<-"EOF"
|
||||
```
|
||||
first line of code
|
||||
|
||||
second line of code
|
||||
---
|
||||
<p>``` first line of code second line of code</p>
|
||||
EOF
|
||||
|
||||
check <<-"EOF"
|
||||
asdf
|
||||
|
||||
* foo
|
||||
* bar
|
||||
---
|
||||
<p>asdf</p>
|
||||
<ul>
|
||||
<li>foo</li>
|
||||
<li>bar</li>
|
||||
</ul>
|
||||
EOF
|
||||
|
||||
check <<-"EOF"
|
||||
asdf
|
||||
|
||||
* foo
|
||||
* bar
|
||||
qux
|
||||
---
|
||||
<p>asdf</p>
|
||||
<ul>
|
||||
<li>foo</li>
|
||||
<li>bar qux</li>
|
||||
</ul>
|
||||
EOF
|
||||
echo
|
||||
echo "All tests passed"
|
||||
Loading…
Reference in a new issue