Python操作Markdown格式文件的全攻略

更新時間：2026年03月25日 09:48:36 作者：MediaTea

Markdown?是一種輕量級標記語言,用于以純文本形式編寫格式化文檔,廣泛應用于技術(shù)文檔,博客,筆記管理以及學術(shù)寫作等場景,下面我們就來看看如何使用Python操作Markdown格式文件吧

一、Markdown 格式特點

Markdown 文件擴展名通常為 .md 或 .markdown。

主要特點：

（1）純文本

文件內(nèi)容可直接在任何文本編輯器中查看。

（2）可讀性強

即使不渲染，也能理解文檔結(jié)構(gòu)。

（3）輕量化標記

使用符號表示格式，如 # 表示標題，* 或 - 表示列表。

（4）可擴展

支持表格、腳注、數(shù)學公式（需擴展）、代碼高亮等。

（5）跨平臺

兼容 Git、博客平臺、文檔生成器等。

示例 Markdown 內(nèi)容：

# 學生成績表| ID | Name | Score ||----|-------|-------|| 1 | Alice | 95 || 2 | Bob | 88 || 3 | Carol | 90 |- 高分學生：成績 >= 90- 平均分：91.0> 注：Markdown 文件支持引用、列表、表格及代碼塊。

該示例展示了 Markdown 的基本語法：標題、表格、列表與引用。

二、在 Python 中表示 Markdown 數(shù)據(jù)

（1）使用字符串與內(nèi)存文件對象

當我們想在內(nèi)存中操作 Markdown，而不立即寫入磁盤時，可使用 io.StringIO。

from io import StringIO
md_text = """# 學生成績表
| ID | Name  | Score ||----|-------|-------|| 1  | Alice | 95    || 2  | Bob   | 88    || 3  | Carol | 90    |"""
# 創(chuàng)建內(nèi)存中文本文件對象buf = StringIO(md_text)print(buf.read())

StringIO 適合測試、臨時存儲或處理網(wǎng)絡請求中的 Markdown 內(nèi)容。

（2）使用列表/字典在內(nèi)存中表示表格數(shù)據(jù)

在生成 Markdown 表格前，通常先在內(nèi)存中準備數(shù)據(jù)：

students = [    {"id": 1, "name": "Alice", "score": 95},    {"id": 2, "name": "Bob", "score": 88},    {"id": 3, "name": "Carol", "score": 90},]

這種結(jié)構(gòu)便于程序化生成 Markdown 表格或列表。

三、使用 Python 標準庫生成 Markdown

雖然 Python 標準庫沒有專門的 Markdown 模塊，但可以直接通過字符串操作生成 Markdown 文件。

（1）生成 Markdown 表格

students = [    {"id": 1, "name": "Alice", "score": 95},    {"id": 2, "name": "Bob", "score": 88},    {"id": 3, "name": "Carol", "score": 90},]
# 表
頭md_lines = ["| ID | Name | Score |", "|----|------|-------|"]
# 添加每一行
for s in students:    md_lines.append(f"| {s['id']} | {s['name']} | {s['score']} |")
# 寫入 Markdown 文件
with open("students.md", "w", encoding="utf-8") as f:    f.write("\n".join(md_lines))
print("students.md 文件已保存。")

輸出 Markdown 文件內(nèi)容：

| ID | Name | Score ||----|------|-------|| 1 | Alice | 95 || 2 | Bob | 88 || 3 | Carol | 90 |

（2）生成標題、列表與代碼塊

students = [    {"id": 1, "name": "Alice", "score": 95},    {"id": 2, "name": "Bob", "score": 88},    {"id": 3, "name": "Carol", "score": 90},]
md_lines = []
# 標題
md_lines.append("# 學生成績分析")
# 列表
top_students = [s for s in students if s["score"] >= 90]md_lines.append("- 高分學生：")for s in top_students:    md_lines.append(f"  - {s['name']}：{s['score']}")
# 代碼塊
md_lines.append("\n```python")md_lines.append("print('Hello, Markdown!')")md_lines.append("```")
# 寫入文件
with open("analysis.md", "w", encoding="utf-8") as f:    f.write("\n".join(md_lines))
print("analysis.md 文件已保存。")

生成文件可直接渲染為帶列表和代碼塊的 Markdown 文檔。

四、使用第三方庫處理 Markdown

（1）將 Markdown 轉(zhuǎn)換為 HTML

import markdown
with open("students.md", "r", encoding="utf-8") as f:    md_content = f.read()
html_content = markdown.markdown(md_content)
# 保存 HTML 文件
with open("students.html", "w", encoding="utf-8") as f:    f.write(html_content)
print("students.html 已生成，可在瀏覽器中查看。")

說明：markdown 庫支持表格、代碼塊、標題和列表渲染為 HTML，方便展示。

（2）使用 pandas 直接生成 Markdown 表格

import pandas as pd
df = pd.DataFrame(students)
# 生成 Markdown 表格md_table = df.to_markdown(index=False)print(md_table)
# 保存到文件with open("students_table.md", "w", encoding="utf-8") as f:    f.write(md_table)

輸出示例：

| ID | Name | Score ||------|-------|---------|| 1 | Alice | 95 || 2 | Bob | 88 || 3 | Carol | 90 |

pandas to_markdown 方法可快速將 DataFrame 輸出為 Markdown 表格。

（3）案例：Markdown 文件生成與分析

以下示例展示從內(nèi)存數(shù)據(jù) → Markdown 表格 → HTML 渲染 → 保存文件的完整流程。

import pandas as pdimport markdown
# 構(gòu)造原始數(shù)據(jù)
students = [    {"id": 1, "name": "Alice", "score": 95},    {"id": 2, "name": "Bob", "score": 88},    {"id": 3, "name": "Carol", "score": 90},    {"id": 4, "name": "David", "score": 70},]
df = pd.DataFrame(students)
# 篩選高分學生
top_students = df[df["score"] >= 90]
# 生成 Markdown 表格
md_lines = ["# 高分學生表", top_students.to_markdown(index=False)]with open("top_students.md", "w", encoding="utf-8") as f:    f.write("\n".join(md_lines))
# 渲染為 HTML
with open("top_students.md", "r", encoding="utf-8") as f:    md_content = f.read()
html_content = markdown.markdown(md_content)with open("top_students.html", "w", encoding="utf-8") as f:    f.write(html_content)
print("top_students.md 與 top_students.html 已生成。")

Markdown 文件內(nèi)容示例：

# 高分學生表| id | Name | score ||------|-------|---------|| 1 | Alice | 95 || 3 | Carol | 90 |

五、解析 Markdown 文件并提取內(nèi)容

在某些場景下，我們需要讀取并解析 Markdown 內(nèi)容，將標題、列表、表格或代碼塊轉(zhuǎn)換為 Python 數(shù)據(jù)結(jié)構(gòu)，以便進一步分析。

（1）使用 markdown + BeautifulSoup 提取 HTML 內(nèi)容

import markdownfrom bs4 import BeautifulSoup
# 讀取 Markdown 文件
with open("top_students.md", "r", encoding="utf-8") as f:    md_content = f.read()
# 渲染為 HTML
html_content = markdown.markdown(md_content)
# 使用 BeautifulSoup 解析 HTML
soup = BeautifulSoup(html_content, "html.parser")
# 提取標題
title = soup.find(["h1", "h2", "h3"])print("標題：", title.text)
# 提取表格
table = soup.find("table")rows = []for tr in table.find_all("tr"):    cells = [td.get_text(strip=True) for td in tr.find_all(["th", "td"])]    rows.append(cells)
print("表格內(nèi)容：")for r in rows:    print(r)

輸出示例：

標題：高分學生表表格內(nèi)容：['id', 'Name', 'score']['1', 'Alice', '95']['3', 'Carol', '90']

（2）使用正則表達式（re 標準庫）提取表格內(nèi)容

import re
with open("top_students.md", "r", encoding="utf-8") as f:    md_content = f.read()
# 匹配 Markdown 表格行
lines = md_content.splitlines()table_rows = []
for line in lines:    if "|" in line and not re.match(r"^\s*#|^-{2,}", line):        cells = [cell.strip() for cell in line.strip("|").split("|")]        table_rows.append(cells)
print("解析表格：")for row in table_rows:    print(row)

說明：

正則方法適合簡單表格，但不支持嵌套或復雜 Markdown 結(jié)構(gòu)。

對于多級列表、代碼塊或引用，推薦 HTML 渲染 + BeautifulSoup 方法。

（3）案例：Markdown 表格 → Python 數(shù)據(jù) → 數(shù)據(jù)分析

import pandas as pdimport markdownfrom bs4 import BeautifulSoup
# 讀取 Markdown 并渲染為 HTML
with open("top_students.md", "r", encoding="utf-8") as f:    md_content = f.read()
html_content = markdown.markdown(md_content)soup = BeautifulSoup(html_content, "html.parser")
# 提取表格數(shù)據(jù)
table = soup.find("table")rows = []for tr in table.find_all("tr"):    cells = [td.get_text(strip=True) for td in tr.find_all(["th", "td"])]    rows.append(cells)
# 轉(zhuǎn)換為 DataFrame
df = pd.DataFrame(rows[1:], columns=rows[0])df["score"] = df["score"].astype(int)
# 統(tǒng)計平均分
avg_score = df["score"].mean()print(df)print(f"平均分：{avg_score:.1f}")

運行結(jié)果：