是否有在 Textile/Markdown 中解析内联修饰符的标准方法

Question

我一直在考虑使用 Scala 的解析器组合库（基本上是一个 PEG 解析器）编写一个 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，应该解析什么。但是，有很多边缘情况不是很清楚。仅关注粗体文本：

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（哪些东西应该算作粗体）和客观（如何让解析规则正确解析它）的混合体。

我倾向于 PEG 之类的东西

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

上面的解析如下：

<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 *

但是，我不确定此方法是否适用于所有用例，是否适用于所有边缘情况。有没有我可以复制和依赖的标准方法？如果可以避免的话，我宁愿不依赖我的临时未经过深思熟虑的语言规范。

Answer 1

在降价的情况下没有标准，在边缘情况下实现不同。对于 Markdown 的一组选择，您可以查看 peg-markdown，它也在 MultiMarkdown 中使用。当然，在这方面，markdown 比纺织更复杂，因为它使用** 表示粗体，* 表示斜体，从而产生更多关于如何处理 *hello**there** 之类的决定。

PHP markdown extra 的开发人员 Michel Fortin 有一个 test suite，其中包括一些粗体/斜体的边缘情况。但是，我认为他的决定并没有得到普遍认同，而且许多实现的解析方式不同。

也就是说，我认为以下决定在降价中是没有争议的：

• * 仅在下一个字符为非空格时才开始强调。
• * 仅在前面的字符不是空格时才结束强调。
• 强调可以出现在一个单词中，因此在 he*ll*o 中，两个 l 被强调（尽管某些 markdown 实现禁用了 _ 字符的此功能，因为下划线在标识符中很常见）。

Answer 2

经过一段时间的采购，我找到了inline markup recognition rules for reStructuredText。

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目的。

这也是一个有点复杂的规范（例如，括号和标点符号的特殊大小写），但它的规范非常好，经过彻底的解释和证明。我发现它的规范是一个非常坚实的基础。