如何把文本文档转换成html格式转换

用 sed 或 awk 可快速将纯文本转为无格式 html：sed 命令可添加 html/body 标签、将空行转 、非空行包 ；需先清理 windows 换行符；若含 Markdown，推荐用 Python markdown 库并启用 fenced_code 和 tables 扩展，注意 xss 防护与 UTF-8 编码处理。

用 sed 或 awk 快速做基础文本转 HTML（无格式纯换行）

如果你只是想把一段普通文本文档（比如日志、笔记、README 草稿）加上 外壳、把换行变成

或
，别碰复杂工具。直接用 shell 就够了。

常见错误是手动加标签，或者误以为必须用 Python 脚本——其实 90% 的纯文本转义需求，sed 一行就能跑通。

• sed '1s/^//; $s/$//; s/^$/
  /; /^$/!s/^/

  /; /^$/!s/$//' input.txt

  —— 把空行当分段，非空行包

• 如果只要简单换行不拆段：sed '1s/^//; $s/$//; s/$/
/' input.txt
• 注意：sed 对 Windows 换行符（rn）会出错，先用 dos2unix 或 tr -d 'r' 清理

用 Python 的 markdown 库转 HTML（支持标题/列表/代码块）

真正值得写脚本的场景，是你手头是带轻量标记的文本（比如 github 风格的 .md），需要保留语义结构。这时候别自己解析，用现成库。

核心不是“怎么转”，而是“选哪个库”和“怎么防崩”。markdown 包默认不支持表格、脚注，但够用；mistune 更快，markdown-it-py 兼容性更好。

立即学习“前端免费学习笔记（深入）”；

• 最简安全用法：import markdown; html = markdown.markdown(text, extensions=['fenced_code', 'tables'])
• 别漏掉 extensions 参数——没开 fenced_code，```python 块就原样输出，不是

• 输入含用户提交内容？必须加 safe_mode='escape'（旧版）或用 md.convert(html.escape(user_input))，否则 XSS

中文标点、编码和 字符集容易被跳过的三件事

转完打开浏览器是乱码？或者顿号、省略号显示成方块？问题几乎都出在三处，且常被当成“HTML 不熟”去查。

• 文件本身编码不是 UTF-8：用 file -i input.txt 看，如果是 iso-8859-1，先转码：iconv -f GBK -t UTF-8 input.txt > input_utf8.txt
• 生成的 HTML 缺 ：浏览器按系统默认编码猜，中文 Windows 常猜成 GBK，必加
• 中文标点被 HTML 实体化过度：比如 text.replace('。', '。') 是错的，现代浏览器直接认 UTF-8 原字符，实体化反而让源码难读

为什么不用 pandoc？什么情况下它反而是最优解

当你需要一命令支持多输入多输出（比如 .rst → .html + .pdf）、要自定义 CSS、或需数学公式（LaTeX）渲染时，pandoc 不是“重”，是刚好。

但它有个硬伤：默认输出带完整页面结构（含 、js），如果你只想取 内容，得加 --to=html5 --standalone=false --embed-Resources=false，否则会多出一堆你不需要的包裹。

• 基础命令：pandoc input.md -o output.html --css=style.css --metadata title="My Page"
• 若原文有图片路径，--resource-path=. 才能正确解析相对路径，不然全 404
• Windows 下用 PowerShell 运行时，& 符号要写成 `& 或改用 cmd，否则参数截断

真正麻烦的从来不是“怎么转”，而是转完的 HTML 在不同浏览器里渲染是否一致、是否被 CDN 或 CMS 二次处理时破坏结构。所以每次生成后，至少用 curl -s output.html | head -20 扫一眼 和编码声明有没有被吞掉。