排版四小时变几十秒：我把 Markdown 一次粘进富文本编辑器

我每天在社区发一篇原创文章。稿件是 Markdown 写好的，小标题、代码块、表格、列表一应俱全，在本地看得很清楚。可一粘进社区的富文本编辑器，全变了样：井号还在，星号还在，表格竖线整排挂在那儿，代码块挤成一坨。

然后就得手工收拾。选中一行，点工具栏的「标题二」，再选下一行，再点一次。遇到代码块，得先点「代码块」，再把内容贴进去。表格更麻烦，一个一个格子填。一篇文章七八个小标题、四五段代码、两张表格，从头排到尾，四个小时打不住。

排完一次我就下定决心：这活不能这么干。

一、先说清楚问题出在哪

富文本编辑器不是不认识排版，它是不认识 Markdown。

Markdown 那套井号、星号、竖线，是给人看源码用的记号。编辑器要的是 HTML 标签：「h2」、「ul」、「li」、「p」。你把一堆井号粘进去，编辑器只当它是普通文字，原样显示。所以你看到的「格式全丢」，本质上是两套标记语言没对上。

那是不是把 Markdown 转成 HTML 再粘就行？对，方向是对的，但坑在后面——编辑器不会照单全收你的 HTML。这一点我踩了很久才摸清楚。

二、我试过的三条歪路

第一条：老实点工具栏。 能用，就是慢。四个小时一篇，还容易漏。更要命的是排到后面手一抖选错范围，前面的全乱了。这条路我走了一个多星期，实在受不了。

第二条：转成纯文本再粘。 把 Markdown 里的井号、星号、竖线全删掉，粘进去是干净文字，格式一个没有。等于没排，只是不难看了。这种发出去，读者看长文很吃力，也不像样。白干。

第三条：找在线转换网站。 网上有那种「Markdown 转 HTML」的在线工具，粘进去点一下，出来带标签的 HTML。问题是：一是要联网，二是出来的 HTML 里塞满了内联样式和编辑器不认的标签，粘进去照样变形，三是稿子要上传到别人服务器上——我的稿子里有本地路径、有脚本，往外网传不合适，这条直接否掉。

三条路都不通，那就只剩自己动手这一条：本地把 Markdown 转成编辑器认的 HTML，直接写进剪贴板的 HTML 通道，一次粘进去。

三、正解的关键：剪贴板里不只能放文本

这一步是整件事的转折点，得先想明白。

我一直以为剪贴板就是放文字的地方。不是的。你在网页上复制一段带格式的文字，粘到 Word 里格式还在——这说明剪贴板里存的不只是纯文本，还有一份带格式的版本。

Windows 上，这份带格式的版本叫 CF_HTML。它是一个有固定格式头的 HTML 片段。程序往剪贴板写数据的时候，可以同时写好几个「通道」：纯文本通道、HTML 通道、图片通道。粘贴的时候，目标程序挑自己能用的那个通道读。富文本编辑器看到有 HTML 通道，就会读它，并按里面的标签渲染。

所以思路就清楚了：

1. 本地把 Markdown 转成 HTML； 2. 按 CF_HTML 的规矩给它套个头； 3. 用 Python 调 Windows 接口写进剪贴板； 4. 在编辑器里按一下粘贴。

整套跑下来几十秒，中间不用点一次工具栏。

四、第一步：把 Markdown 转成编辑器认的 HTML

这一步是纯 Python，不装任何第三方库，标准库就够。

先说一个前提：不要想着让 HTML 跟 Markdown 一模一样。 编辑器认的标签是有限的，你转得再花哨，它不认的部分照样会被扔掉，扔的时候还会把周围的格式搞乱。所以这一步的目标不是「转换」，是「降级到编辑器能吃的样子」。

我踩出来的降级规则是这几条：

• 二级标题 「##」 转成 「h2」，三级转 「h3」，这两个编辑器认；
• 列表转成 「ul」 套 「li」；
• 代码块不转 「pre」 和 「code」，转成一行一个 「p」；
• 表格也不转 「table」，转成一行一个 「p」，单元格用逗号连起来；
• 加粗的星号直接删掉，别转 「strong」。

后三条看着是「越转越丑」，实际是救命的。原因下一节单独讲。

代码缩进是另一个麻烦。代码块降级成段落之后，行首的空格如果写普通空格，编辑器会把连续空格折叠成一个，Python 的缩进层级全没了，代码没法看。解决办法是用 HTML 实体 「 」，它是半个字宽的空位，不会被折叠。

这里不要用 「 」。我一开始用的是它，粘进去缩进照样丢，后来换成 「 」 才保住。

下面是转换的主体，去掉了首尾的标题行和标签行，其余按行处理：

import re, html

FENCE = chr(96) * 3 # 三个反引号，写成变量避免字面量

def inline(t):

    t = html.escape(t)

    t = re.sub(r"\*\*(.+?)\*\*", r"\1", t) # 加粗星号直接去掉

    return t

def to_html(md_text):

    lines = md_text.split("\n")

    if lines and lines[0].startswith("# "):

        lines = lines[1:]

    while lines and lines[-1].strip() in ("", "#WorkBuddy#"):

        lines.pop()

    out, i, n = [], 0, len(lines)

    while i < n:

        s = lines[i].strip()

        if s.startswith(FENCE): # 代码块降级

            i += 1

            buf = []

            while i < n and not lines[i].strip().startswith(FENCE):

                buf.append(lines[i]); i += 1

            i += 1

            for ln in buf:

                esc = html.escape(ln)

                lead = len(esc) - len(esc.lstrip(" "))

                out.append("<p>" + "&#8194;" * lead + esc.strip() + "</p>"

                           if esc.strip() else "<p>&#8194;</p>")

            continue

        if s.startswith("### "): # 三级小标题

            out.append("<h3>" + html.escape(s[4:].strip()) + "</h3>")

            i += 1

            continue

        if s.startswith("## "): # 二级小标题

            out.append("<h2>" + html.escape(s[3:].strip()) + "</h2>")

            i += 1

            continue

        if s.startswith("|") and s.endswith("|"): # 表格降级

            while i < n and lines[i].strip().startswith("|"):

                row = lines[i].strip()

                if re.match(r"^[\|\s\-]+$", row) and "-" in row:

                    i += 1; continue

                cells = [c.strip() for c in row[1:-1].split("|")]

                out.append("<p>" + inline("，".join(cells)) + "</p>")

                i += 1

            continue

        if re.match(r"^[-*]\s+", s): # 列表

            items = []

            while i < n and re.match(r"^[-*]\s+", lines[i].strip()):

                items.append(inline(re.sub(r"^[-*]\s+", "", lines[i].strip())))

                i += 1

            out.append("<ul>" + "".join("<li>" + x + "</li>" for x in items) + "</ul>")

            continue

        if s == "":

            i += 1

            continue

        para = []

        while i < n and lines[i].strip() != "" and not lines[i].strip().startswith(("## ", FENCE, "|")) \

              and not re.match(r"^[-*]\s+", lines[i].strip()):

            para.append(lines[i].strip()); i += 1

        if para:

            out.append("<p>" + inline(" ".join(para)) + "</p>")

    return "\n".join(out)

转完之后先别急着粘，先把结果存成一个本地 html 文件，用浏览器打开看一眼。这一步能省掉后面大量返工。

五、第二步：把 HTML 写进剪贴板

CF_HTML 不是一个裸的 HTML 片段，它前面必须有一段格式头，告诉读的程序：整段 HTML 从第几个字节开始、到第几个字节结束，正文片段又是从哪到哪。

头长这样：

Version:0.9

StartHTML:0000000000

EndHTML:0000000000

StartFragment:0000000000

EndFragment:0000000000

四个数字都是字节偏移，而且是十位对齐的。看着唬人，其实就是先拿一串占位符算出头部长度，再往下推。

import ctypes

def set_cf_html(fragment):

    CF = ctypes.windll.user32.RegisterClipboardFormatW("HTML Format")

    HEAD = ("Version:0.9\r\nStartHTML:%08d\r\nEndHTML:%08d\r\n"

            "StartFragment:%08d\r\nEndFragment:%08d\r\n")

    plen = len(HEAD % (0, 0, 0, 0))

    pre = "<html><body>\r\n<!--StartFragment-->"

    suf = "<!--EndFragment-->\r\n</body></html>"

    fb = fragment.encode("utf-8")

    sh = plen

    eh = plen + len(pre.encode()) + len(fb) + len(suf.encode())

    sf = plen + len(pre.encode())

    ef = sf + len(fb)

    data = (HEAD % (sh, eh, sf, ef)).encode() + pre.encode() + fb + suf.encode()

    u, k = ctypes.windll.user32, ctypes.windll.kernel32

    u.OpenClipboard.argtypes = [ctypes.c_void_p]

    u.EmptyClipboard.restype = ctypes.c_int

    k.GlobalAlloc.argtypes = [ctypes.c_uint, ctypes.c_size_t]

    k.GlobalAlloc.restype = ctypes.c_void_p

    k.GlobalLock.argtypes = [ctypes.c_void_p]

    k.GlobalLock.restype = ctypes.c_void_p

    k.GlobalUnlock.argtypes = [ctypes.c_void_p]

    u.SetClipboardData.argtypes = [ctypes.c_uint, ctypes.c_void_p]

    u.SetClipboardData.restype = ctypes.c_void_p

    u.OpenClipboard(None); u.EmptyClipboard()

    h = k.GlobalAlloc(0x0002, len(data) + 2)

    p = k.GlobalLock(h); ctypes.memmove(p, data, len(data)); k.GlobalUnlock(h)

    u.SetClipboardData(CF, h); u.CloseClipboard()

    return len(data)

这段代码里有一个坑，卡了我小半天，单独拎出来说。

那几行 argtypes 和 restype 的声明，一行都不能少。

ctypes 调 Windows 接口的时候，如果你不告诉它参数和返回值是什么类型，它默认按 32 位整数处理。在 64 位系统上，内存句柄是个很大的数，超出 32 位整数的范围，直接报一句 「int too long to convert」，然后就没了，报错信息完全不指向真正的原因。

我一开始以为是数据太大，改小了试；又以为是编码问题，换了好几种。折腾半天才反应过来是类型声明的事。补上 「GlobalAlloc」 的返回类型声明成 「c_void_p」、「GlobalLock」 的参数和返回都声明成指针，一次就通了。

用 ctypes 调系统接口，凡是跟句柄、指针沾边的函数，先把类型声明写全。 这是通用教训，不光这一处。

六、第三步：粘进去，然后读回来验

写入剪贴板之后，剩下的是在编辑器里点一下。这一步我是用脚本代劳的，也可以手动：切到编辑器，正文区域点一下，按两次全选、一次粘贴，完事。

但真正重要的不是粘，是粘完之后读回来验一次。

这是个我后来才养成的习惯。早先我粘完扫一眼觉得「还行」就发，结果有两次翻车：一次是小标题只认了一半，后半篇全是普通段落；一次是代码缩进整段塌了。

肉眼扫不可靠，长文扫不过来。机器数才可靠。 做法很简单：粘完之后，在编辑器里全选、复制，再用脚本把剪贴板里的 HTML 读回来，数标签。

def read_cf_html():

    u, k = ctypes.windll.user32, ctypes.windll.kernel32

    CF = u.RegisterClipboardFormatW("HTML Format")

    u.GetClipboardData.argtypes = [ctypes.c_uint]

    u.GetClipboardData.restype = ctypes.c_void_p

    k.GlobalLock.argtypes = [ctypes.c_void_p]

    k.GlobalLock.restype = ctypes.c_void_p

    k.GlobalSize.argtypes = [ctypes.c_void_p]

    k.GlobalSize.restype = ctypes.c_size_t

    if not u.OpenClipboard(None):

        return ""

    try:

        h = u.GetClipboardData(CF)

        if not h:

            return ""

        p = k.GlobalLock(h)

        raw = ctypes.string_at(p, k.GlobalSize(h))

        k.GlobalUnlock(h)

    finally:

        u.CloseClipboard()

    return raw.decode("utf-8", errors="ignore")

我给自己定的校验有三条，三条全过才算粘成功：

• 小标题数量对得上。 我稿子里有九个二级标题，读回来的 HTML 里就该有九个 h2。少一个就说明中间有段落被合并了，得查。
• 没有 HTML 残留。 编辑器如果没解析成功，标签会当纯文本显示在页面上。所以读回的正文里不能出现 p、h2 这类尖括号标签的原文。
• 开头和结尾的关键句都在。 比如开头第一句、结尾最后一句，还有代码块里某个独特的变量名，都在就说明整篇没被截断。

三条里任何一条不过，直接回滚：把 Markdown 转成不带任何标签的纯文本重新粘一遍，宁可没格式，也不能发一篇格式半截的出去。有回滚预案，才敢用自动化。

七、编辑器到底认哪些标签：实测清单

这一节是整篇文章我觉得最值钱的部分，因为它是粘了很多篇才试出来的，网上查不到现成的答案。

结论分三档：

能用的：

• 二级标题 h2：正常，会变成真正的标题样式。
• 三级标题 h3：正常。
• 无序列表 ul 套 li：正常，项目符号对。

会被改的：

• 有序列表 ol：数字序号会丢，变成无序列表。所以我直接把有序也转成 ul，不要指望它给你编号。

会被剥掉的（重点）：

• 代码块 pre 和 code：整个标签被扔掉，代码挤成一坨，行也没了，比不排版还难看。
• 表格 table：单元格粘成一串，分不清行列。
• 加粗 strong：不认，星号可能原样留在页面上。
• 连续空格：不管你写几个，编辑器只留一个。

所以第四节那几条「降级规则」不是我偷懒，是被逼出来的。既然 pre 和 table 一定会被剥，就别给它们，直接给成一行一个段落，至少保证内容完整、顺序不乱。

还有一条实测经验：编辑器对空段落的处理很怪，空段落容易被吞掉，导致两段之间没间隔。我的办法是空段落里塞一个 「&#8194;」，看起来是空行，实际有内容，就不会被吞。

八、避坑清单

把我踩过的坑按严重程度排一遍，照着对就能少走弯路：

• ctypes 不声明类型：报的错是「int too long to convert」，跟真正的原因八竿子打不着。涉及句柄和指针的函数，argtypes 和 restype 一行都别省。这是第一坑。
• 代码缩进用普通空格或 &nbsp; 保不住：编辑器会折叠连续空格。必须用 &#8194; 这类不会被折叠的实体。
• 给编辑器 pre、code、table、strong：给了也白给，还容易把周围格式带乱。直接降级成段落。
• 粘完不验证：长文肉眼扫不过来，必须读回来数标签。小标题少一个、代码塌一段，都是发完才发现的那种事。
• 没有回滚方案：一旦粘坏了，编辑器里的撤销不一定救得回来。提前准备好「纯文本版」的兜底，出事就重来。
• 依赖固定屏幕坐标去点编辑器：窗口大小一变就点空。要用控件本身去定位，别用坐标。
• 指望在线转换网站：稿子要上传到别人服务器，本地路径、脚本内容都在里面，不合适。

九、这样做下来，省了多少

最直观的变化是时间。手工排一篇四个小时起步，现在整条链路跑完几十秒，剩下的时间只需要扫一眼验证结果。

但比时间更值钱的是一致性。手工排版，每篇的效果都不一样，这篇小标题用二级、那篇手滑点了三级，代码块这次套了样式、下次忘了。机器转出来的篇篇一致，发出去的文章看着就像一个人排的。

还有个附带的收获：因为粘之前必须先看清编辑器认什么、不认什么，我反过来把稿件的写法也规范了。现在写稿的时候就按「编辑器能吃的样子」去写，少用华丽格式，多用朴素的小标题和列表。工具反过来改掉了我的坏习惯。

最后说一句心里话。我上了年纪，在家时间多，电脑水平一般，很多东西是边试边学。这套东西没有任何高深的地方，就是把「复制粘贴」这四个字拆开研究了一遍：原来复制出去的不只是字，粘贴进来的也可以是带结构的整篇内容。想明白这一层，后面就是体力活了。

要是你也在为排版发愁，别急着找插件、找网站。先花半小时把剪贴板的原理搞清楚，再用几十行 Python 把它串起来。一次写对，后面每天省四小时。