将LibreOffice文档转换为豆瓣日记

Posted 2020-08-31 体验GNU/Linux

豆瓣日记的编辑器一直以来都只支持纯文本的，因此无法将原先在LibreOffice中写的带有简单格式的文章导出。由于我在豆瓣主要写一些随笔性的内容，所以它们在LibreOffice中排版时也并未用到什么复杂的格式，充其量就是粗体、斜体、加亮等字符样式，以及章节标题、多级有序和无序列表的段落样式。接下来，我的想法就是先将LibreOffice中选中的文章导出成MediaWiki的markup格式，然后再写一个脚本程序对这个纯文本文件过滤处理一下，变成适合在豆瓣日记编辑器中粘贴的样式即可。该脚本程序最终用Perl来编写。对于字符样式，其直接将相应的样式标识符删除，例如在MediaWiki中：

• 粗体用‘‘‘...‘‘‘标识；
• 斜体用‘‘...‘‘标识；
• 粗斜体用‘‘‘‘‘...‘‘‘‘‘标识。

对于多级有序列表，经Perl脚本转换后，采用不同的序号编号以及缩进进行区分，如：

• 一级列表用阿拉伯数字：1.、2.、3. ...；
• 二级列表用加右括号的小写字母：a)、b)、c)、...；
• 三级列表用带圈的阿拉伯数字：①、②、③、...它们可以在特殊字符中找到；
• 四级列表用小写罗马数字：i.、ii.、iii.、...。

对于多级无序列表，则采用特殊符号与缩进来区分。一至四级的编辑分别为：• ? ? ?。

对于章节标题，则保留MediaWiki的格式，分别用=、==、===等表示一、二、三级标题。

Perl脚本源码如下。其命令行第一个参数为由LibreOffice导出的MediaWiki文本文件名。转换后的文本直接输出到控制台。

#!/usr/bin/perl

use warnings;
use strict;

our @level_counters = (0, 0, 0, 0);

our @unordered_list_symbols = qw/ • ? ? ? /;
our @level0_symbols = qw/ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. /;
our @level1_symbols = qw/ a) b) c) d) e) f) g) h) i) j) /;
our @level2_symbols = qw/ ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ /;
our @level3_symbols = qw/ i. ii. iii. iv. v. vi. vii. viii. ix. x. /;

# Symmetric typeface markers
our $bold_marker = "‘‘‘";
our $italic_marker = "‘‘";
our $bold_italic_marker = "‘‘‘‘‘";

sub ProcessListBr {
    my $current_list_level = $_[0];
    my $first_line_spacings = "   " x $current_list_level;
    s/<br\/>/\n$first_line_spacings/g;
}

sub ProcessLists {
    if (s/^\* +/$unordered_list_symbols[0] /) {
    ProcessListBr(1);
    return;
    }
    
    if (s/^\*\* +/    $unordered_list_symbols[1] /) {
    ProcessListBr(2);
    return;
    }

    if (s/^\*\*\* +/      $unordered_list_symbols[2] /) {
    ProcessListBr(3);
    return;
    }

    if (s/^\*\*\*\* +/        $unordered_list_symbols[3] /) {
    ProcessListBr(4);
    return;
    }

    my $clear_level_numbering_index = 0;

    if (s/^# +/$level0_symbols[$level_counters[0]] /) {
    $clear_level_numbering_index = 1;
    $level_counters[0]++;
    ProcessListBr(1);
    }

    if (s/^## +/   $level1_symbols[$level_counters[1]] /) {
    $clear_level_numbering_index = 2;
    $level_counters[1]++;
    ProcessListBr(2);
    }

    if (s/^### +/      $level2_symbols[$level_counters[2]] /) {
    $clear_level_numbering_index = 3;
    $level_counters[2]++;
    ProcessListBr(3);
    }

    if (s/^#### +/        $level3_symbols[$level_counters[3]] /) {
    $clear_level_numbering_index = 4;
    $level_counters[3]++;
    ProcessListBr(4);
    }

    if ($clear_level_numbering_index != 0) {
    for (my $i = $clear_level_numbering_index; $i <= $#level_counters; $i++) {
        $level_counters[$i] = 0;
    }

    return;
    }
    
    @level_counters = (0, 0, 0, 0);
}

sub ProcessURL {
    s/\[(http[^\s]+)\s+([^\s]+)\]/<a href=\"$1\">$2<\/a>/g;
}

sub RemoveFormat {
    s/$bold_italic_marker(.+?)$bold_italic_marker/$1/g;
    s/$bold_marker(.+?)$bold_marker/$1/g;
    s/$italic_marker(.+?)$italic_marker/$1/g;
    s/<u>(.+?)<\/u>/$1/g;
}

my $wiki_file = shift;

if (defined($wiki_file)) {
    open INPUT, "<$wiki_file" or die "Cannot open the file $wiki_file!\n";

    while(<INPUT>) {
    ProcessLists;
    ProcessURL;
    RemoveFormat;
    print;
    }
    
    close INPUT;
}
else {
    print "Please specify the input file!\n";
}