1 前言

最近在研究利用org-mode写博客,其他一切都深得我心、甚合吾意,就是代码染色发布html这一点要给差评。org-mode利用 htmlize 插件给 src block 中的代码着色,让文章中的代码块输出html后的颜色于你在emacs上看到的相同。可问题在于,我emacs上背景是暗黑系的,而我博客上是浅色系,因此代码高亮风格不相调和,何况高亮主题单一不可定制,输出代码行号丑陋不堪,当然这都可以用elisp解决,可是想必是繁杂晦色无比(要调色啊…)

于是,我又再次投入万能的Python的怀抱,直接利用它的pygments库高亮代码。

2 实现框架

先介绍一下pygments。 pygments 能够将一段原生代码高亮并输出为 html、latex、png 等多种格式,而且还提供各种样式控制。

由于pygments库是原生的python库,因此通过写elisp插件控制org-mode发布并不现实,再三思虑之下,只能从org-mode发布的html文件开始入手,把代码块的html改了。

先来看看org-mode代码块输出html的特征:

src block :

#+begin_src python
import pygments
print "aa"
#+end_src

输出 html

<div class="org-src-container">

<pre class="src src-python"><span style="color: #66D9EF;">import</span> pygments
<span style="color: #66D9EF;">print</span> <span style="color: #E6DB74;">"aa"</span>
</pre>
</div>

可以看出,代码块输出html后总会包含在 <div class="org-src-container">...</div> 内,至于代码语言则由 <pre>class 属性指明。

OK,目标很明显,就是要将上面那段 html 代码用 pygments 替换成我们想要的高亮主题。

程序流程:

  • 提取:把包含在 <div class="org-src-container">...</div> 内的html代码提取到数组A
  • 去标记:用 BeautifulSoup 解析数组A中的html代码,把当中 html tags 去掉,等到原生代码
  • 高亮:用 pygments 高亮原生代码,并输出新的 html
  • 替换:用新的html把旧的替换掉,并重新写入文件
  • 样式:为代码块指定或设计 CSS

3 具体实现

完整代码可见我的_pygment-html.py

3.1 虚拟环境

由于在我的 Jekyll 中,需要写多个python脚本处理,因此我先建立一个虚拟环境,然后所由脚本都在这个虚拟环境中开发。

3.1.1 Virtualenv

Virtualenv 用于创建独立的Python环境,多个Python相互独立,互不影响,它能够:

  1. 在没有权限的情况下安装新套件
  2. 不同应用可以使用不同的套件版本
  3. 套件升级不影响其他应用

安装: pip install virtualenv

创建: virtualenv /your/path/of/env ,默认情况下,虚拟环境会依赖系统环境中的 site packages ,就是说系统中已经安装好的第三方 package 也会安装在虚拟环境中,如果不想依赖这些package,那么可以加上参数 --no-site-packages 建立虚拟环境

启动虚拟环境: cd /your/path/of/envsource ./bin/activate ,注意此时命令行会多一个 ENVENV 为虚拟环境名称,接下来所有模块都只会安装到该目录中去。

退出虚拟环境: deactivate

3.1.2 VirtualenvWrapper

Virtualenv很有用,但是操作较为麻烦(想想你需要来回切换多个ENV),因此可用 Virtualenvwrapper 简化操作:

  1. 将所有虚拟环境整合在一个目录下
  2. 管理(新增,删除,复制)虚拟环境
  3. 切换虚拟环境

安装: pip install virtualenvwrapper

把下面的代码写入 .bashrc/.zshrc 中:

if [ `id -u` != '0' ]; then
export VIRTUALENV_USE_DISTRIBUTE=1        # <-- Always use pip/distribute
export WORKON_HOME=$HOME/.virtualenvs       # <-- Where all virtualenvs will be stored
source /usr/local/bin/virtualenvwrapper.sh
export PIP_VIRTUALENV_BASE=$WORKON_HOME
export PIP_RESPECT_VIRTUALENV=true
fi

创建 $HOME/.virtualenvs 目录,以后可在里面创建新的Virtualenv,如果你的Virtualenv不想放在里面,也可以只建立符号链接。

使用:

  • 列出虚拟环境列表: workon 或者 lsvirtualenv
  • 新建虚拟环境: mkvirtualenv [虚拟环境名称]
  • 启动/切换虚拟环境: workon [虚拟环境名称]
  • 删除虚拟环境: rmvirtualenv [虚拟环境名称]
  • 离开虚拟环境: deactivate

需要注意的是,当你进入ENV后,你所调用的python程序是在 ENV/bin 目录下,因此脚本开头的 #!/usr/bin/python 就没有用了,运行脚本时需要显式调用python解释器。

3.1.3 ENV安装Shell脚本

由于整个ENV目录不适合上传至 github page 的仓库(上传后出现各种 build page error )。 所以我写了个安装ENV的Shell脚本:

mkdir _py_virtualenv 
pip2 install virtualenv && virtualenv _py_virtualenv --no-site-packages && source _py_virtualenv/bin/activate && pip2 install pygments && pip2 install beautifulsoup4

切记此脚本只能用 source 运行,不能当成可执行文件运行。因为source是直接在当前shell环境中执行,而可执行文件方式只会在新的子shell下执行(执行到source部份就会出错)

3.2 编码问题

由于我使用的是python2.7 ,而 python2.7 的编码问题一直为人所诟病。python2.7默认的是 ascii编码 ,当程序中出现 非ascii编码 时,python的处理常常会报这样的错:

UnicodeEncodeError: 'ascii' codec can't encode characters blalbla

对此有两种办法应对:

一种是涉及非ascii编码的字串后添加 encode("utf8") ,不过这种方法似乎时灵时不灵,而且一旦少写一个地方,将会导致大量的错误报告,不推荐。

另一种是在程序加载之初就将解释器编码改为 utf8 ,这也是我所采用的:

import sys
reload(sys)
sys.setdefaultencoding('utf8')

3.3 命令行交互

本脚本是通过命令行运行的,高亮的文件由用户通过命令行参数指令,利用 sys 模块可以很好地解析 cli参数 ,因此用户可以方便地利用shell的一些特性输入参数,具体代码实现如下:

if len(sys.argv)==1:
    print 'No Arguments!'

else:
    for file in sys.argv[1:]:
        if '.html' in file:
            hightlight_instance = Pygments_Html(file)
            hightlight_instance.colorize()

sys.argv 是一个 listsys.argv[0] 是程序名, sys.argv[1:] 才是cli中的各个参数名。

3.4 Pygments_Html

Pygments_Html 是我写的用于高亮代码的类,仅包含两个函数: __init__colorize

3.4.1 __init__

初始化函数

def __init__(self,file):
    self.filename = file
    self.language_dict = {'sh':'sh','matlab':'matlab','C':'c','C++':'c++','css':'css',
                          'python':'python','scheme':'scheme','latex':'latex',
                          'ruby':'ruby','css':'css','html':'html','others':'text'}

filename 为代处理的html文件,而 language_dict 则为 org-mode 支持的语言名到 pygments 支持的语言名的映射(因为两者会有细微差异),若org-mode中的语言不为pygments所支持,则映射至 text ,以纯文本方式输出。

注: org-mode 所支持的语言可用 ls /usr/share/emacs/site-lisp/org-mode/ob-* 看到,而 pygments 支持的可在pygments.org/docs/lexers 上看到

3.4.2 colorize

高亮函数,对 filename 文件所包含的代码块进行高亮。

Read file:

先读入对应文件流至 file_read

try:
    # open the html file
    file = open( self.filename,'r' )
except IOError:
    print self.filename,'not exists'
    return

file_read = file.read()
print "Opening",self.filename
file.close()

RE:

然后从 file_read 提取出包含在 <div class="org-src-container">...</div> 内的html代码:

import re
src_html_list = re.findall(r'<div class="org-src-container">.*?</div>',file_read,re.S)

提取是利用 re 模块进行,正则表达式中 .*? 代表 惰性匹配 ,之所以说是惰性,是因为它会匹配尽可能少的字符,它从第一个字符开始找起,一旦符合条件,立刻保存到匹配集合中,然后继续进行查找。与之相反的是不加 贪婪匹配

re.S 是正则表达式的一个 flag ,因为需要寻找的文字跨越多行,若不加这个falg,python的re就只会一行一行地去匹配,若加了这个 flag ,表达式中的 .* 就会匹配包括 \n 在内的换行符。

BeautifulSoup:

接着便要开始对 src_html_list 里的每个元素做处理:

import BeautifulSoup4
for src_html in src_html_list:
    soup=BeautifulSoup(src_html)
    src_soup = soup.find("div",class_="org-src-container")
    language = (src_soup.pre['class'][1]).split('-')[1]

这里利用 BeautifulSoupsrc_html 包含的html进行解析,这里 soup.find 使用了两个参数,前一个是需要寻找的 tag ,后面的 class_tagclass 属性,返回符合这两个条件的一个 soup 对象―― src_soup 。代码块的语言保存在 <pre>class 属性中,把它提取出来存在 language 里。

language 映射至 pygments 所支持的语言名:

if language in self.language_dict:
    language = self.language_dict[language]
else:
    language = self.language_dict['others']

Pygments:

现在可以用 pygments 高亮代码了:

from pygments import highlight
from pygments.lexers import get_lexer_by_name
from pygments.formatters import HtmlFormatter

lexer = get_lexer_by_name(language, stripall=True)
formatter = HtmlFormatter(linespans='line', cssclass="highlight")
src_colorized = highlight(src_soup.text, lexer, formatter)

Pygmentspython 一个用于高亮代码的模快

其中第7行中的 src_soup.text 可以将 soup 对象中的 html tags 全部去掉,只剩下纯文本的原生代码。

highlight 函数有三个参数:第一个是用于高亮的代码串;第二个是 lexer ,用于指定代码语言;第三个是 formatter ,用于指定输出样式。

在这里,指定 formatterHtmlFormatter ,即输出为 html 代码,其中 cssclass 用于指定 div 的样式名字, linespans 指定为 line ,用于指定 <span>id 前缀为 line ,可以用来输出行号 ,输出格式如下:

<div class="highlight">
  <pre>
    <span id="line-1">...<span>
    <span id="line-2">...<span>
    <span id="line-3">...<span>
    <span id="line-4">...<span>
  </pre>
</div>

待会我会为 .hight 设计 CSS ,控制代码及行号样式。

Replace:

src_colorized 现在存储了pygments高亮html代码,需要替换掉原有的:

file_read = file_read.replace(src_html,src_colorized)

replace 有两个参数,第一个是需要被替换的旧文本,第二个是新文本。

Rewrite:

for 循环完成后,意味着所有代码已经高亮完毕,可以将新的html重写进去:

file = open( self.filename,'w' )
file.write(file_read)
file.close()

3.5 CSS

上面的 pygments 只负责输出html结构,而 CSS 却是尚未指定。

首先生成代码颜色的样式:

pygmentize -S default -f html > your/path/pygments.css

生成的样式文件加到我们的网页中:

<link rel="stylesheet" href="/your/path/pygments.css">

由于我使用 jekyll ,所以我将 css 文件发在 assets/themes/havee/css/

然后便需要指定行号样式,上面说了行号由 .hightlight pre span 决定的:

.highlight pre {
    counter-reset: linenumbers;
}
.highlight pre > span:before {
  font-size: .9em;
  color: #aaa;
  content: counter(linenumbers);
  counter-increment: linenumbers;
  text-align: center;
  width: 2.5em;
  left: -0.5em;
  position: relative;
  -webkit-touch-callout: none;
  -webkit-user-select: none;
  -khtml-user-select: none;
  -webkit-user-select: none;  /* Chrome all / Safari all */
  -moz-user-select: none;     /* Firefox all */
  -ms-user-select: none;      /* IE 10+ */
  /* No support for these yet, use at own risk */
  -o-user-select: none;
  user-select: none;
}

行号是由 counter 自动生成,14行至21行的 *-user-select 禁止行号被选中,如此浏览代码是可以很方便地复制代码。

4 用法

在Shell中运行脚本,shell命令后面跟html文件名

comments powered by Disqus