如何将 LaTeX 代码转换为最少的 HTML？

Question

老实说，我认为你想要实现的功能没什么用。额外的 HTML 标签和属性包含有用的语义信息，可用于 CSS 样式等。

例如此代码：

<h3 class='sectionHead'><span class='titlemark'>1.1   </span> <a id='x2-20001.1'></a>Nam amet</h3>
<!-- l. 12 --><p class='noindent'>Adipiscing est leo convallis nunc interdum Lorem hendrerit Vestibulum amet.
</p>

<h3 class='sectionHead'>表示该标题由命令生成\section，可用于特殊格式的章节编号。是指向此章节的命令<a id='x2-20001.1'></a>的链接目标，也是目录的链接目标。如果删除此标记，交叉引用将停止工作。是原始 TeX 文件的行号，这对于调试很有用，但我同意它不如其他标记有用。表示此段落不是原始文档中的本意。由于 HTML 文件是供机器使用的，机器不介意额外的信息，因此删除标记不会获得任何好处，但会损失很多。\ref

话虽如此，如果您真的想删除所有这些信息，您可以。有两种可能的方法。一种是使用 TeX4th 配置文件来更改生成的标签，另一种是使用 LuaXML DOM 过滤器以编程方式删除标签。您还可以混合使用这些方法，使用配置文件来完成更简单的操作，并使用构建文件删除难以从 TeX 端删除的剩余元素。

您的特定示例只需使用配置文件即可解决。将以下代码保存为mycfg.cfg：

\Preamble{xhtml}
\def\blocktag#1{\ifvmode\IgnorePar\fi\EndP\HCode{#1}}
\Configure{chapter}{}{}{\blocktag{<h2>}\chaptername\ \TitleMark\HCode{<br />\Hnewline}}{\blocktag{</h2>}}
\Configure{section}{}{}{\blocktag{<h3>}\TitleMark}{\blocktag{</h3>}}
\Configure{subsection}{}{}{\blocktag{<h4>}\TitleMark}{\blocktag{</h4>}}
\Configure{subsubsection}{}{}{\blocktag{<h5>}\TitleMark}{\blocktag{</h5>}}
\ConfigureMark{chapter}{\thechapter}
\ConfigureMark{section}{\thesection\ }
\ConfigureMark{subsection}{\thesubsection\ }
% subsubsection doesn't need mark configuration, as it doesn't produce a number
% handle paragraphs
\Configure{HtmlPar}{\EndP\HCode{<p>}}{\EndP\HCode{<p>}}{\HCode{</p>}}{\HCode{</p>}}
\Configure{textbf}{\HCode{<b>}\NoFonts}{\EndNoFonts\HCode{</b>}}
\Configure{textit}{\HCode{<i>}\NoFonts}{\EndNoFonts\HCode{</i>}}
\Configure{emph}{\HCode{<em>}\NoFonts}{\EndNoFonts\HCode{</em>}}
% handle the <a> tag inside sections

\catcode`\:=11

\def\Title:Link#1#2{}
\def\EndTitle:Link#1{}
% uncomment the following lines to get correct cross-references
%\LinkCommand\SectionLink{span,\noexpand\:gobble,id}
%\def\Title:Link{\SectionLink}
%\def\EndTitle:Link#1{\EndSectionLink}
\catcode`\:=12


\begin{document}
\EndPreamble

为了处理章节标题，我们需要为每种章节类型提供两个配置命令：

 \Configure{sectionname}{at start of section}{at end of section}{section title}{end section title}
 \ConfigureMark{sectionname}{code that prints section number}

因此要配置部分，我们需要使用：

\Configure{section}{}{}{\blocktag{<h3>}\TitleMark}{\blocktag{</h3>}}
\ConfigureMark{section}{\thesection\ }

这将删除 TeX4ht 产生的所有不必要的格式。

然后我们可以修复段落：

\Configure{HtmlPar}{\EndP\HCode{<p>}}{\EndP\HCode{<p>}}{\HCode{</p>}}{\HCode{</p>}}

这将删除带有行号和缩进信息的注释。该\EndP命令将插入上一段的结束标记。

我还提供了\textbf使用以下类似命令的一些更好的格式：

\Configure{textbf}{\HCode{<b>}\NoFonts}{\EndNoFonts\HCode{</b>}}

该\NoFonts命令将阻止插入等。每次使用非默认字体时都会插入这些标签。\NoFonts将阻止这种情况。您需要使用\EndNoFonts来再次打开它。如果您根本不想使用字体信息，您可以通过NoFonts向命令添加选项来禁用它\Preamble，例如：

 \Preamble{xhtml,NoFonts}

最后一点是最有争议的。<a>节标题中的元素是使用\Title:Link命令插入的。您可以重新定义它以丢弃链接。因为它:在名称中使用了，所以还需要更改\catcode此字符：

\catcode`\:=11
\def\Title:Link#1#2{}
\def\EndTitle:Link#1{}
\catcode`\:=12

通过此配置，您将获得以下结果

tex4ebook -c mycfg.cfg sample.tex

 <h2>Chapter 1<br /> 
Lorem ipsum</h2>
<p>   Dolor sit amet consectetuer eros sit quis mauris pretium. Phasellus penatibus
interdum dolor Ut nisl.
   </p>
   <h3>1.1 Nam amet</h3>
<p>   Adipiscing est leo convallis nunc interdum Lorem hendrerit Vestibulum
amet.
</p><p>   Facilisi Nulla ultrices malesuada orci nibh eget ac Aliquam eros ut.
</p><p>
   </p>
   <h3>1.2 Lorem gravida</h3>
<p>   Oorci sociis Nunc id hendrerit at ac amet Pellentesque. Eleifend risus orci sem
Sed ac.
</p><p>   A nec pellentesque Pellentesque Morbi fringilla accumsan et metus at
enim.
</p><p>   Eu felis Curabitur quis nibh tellus.
   </p>

如果您希望交叉引用和目录正常工作，我建议对“\Title:Link”使用以下配置：

\LinkCommand\SectionLink{span,\noexpand\:gobble,id}
\def\Title:Link{\SectionLink}
\def\EndTitle:Link#1{\EndSectionLink}

定义\LinkCommand了使用 TeX4ht 交叉引用机制生成链接的新命令。<a>此版本生成而不是元素，\noexpand\:gobble删除了可能的外部链接，并id保存指向该部分的链接的目标。

经过这种改变，你会得到以下结果：

  <h2 id='lorem-ipsum'>Chapter 1<br /> 
<span id='x2-10001'>Lorem ipsum</span></h2>
<p>   Dolor sit amet consectetuer eros sit quis mauris pretium. Phasellus penatibus
interdum dolor Ut nisl.
   </p>
   <h3 id='nam-amet'>1.1 <span id='x2-20001.1'>Nam amet</span></h3>
<p>   Adipiscing est leo convallis nunc interdum Lorem hendrerit Vestibulum
amet.
</p><p>   Facilisi Nulla ultrices malesuada orci nibh eget ac Aliquam eros ut.
</p><p>
   </p>
   <h3 id='lorem-gravida'>1.2 <span id='x2-30001.2'>Lorem gravida</span></h3>
<p>   Oorci sociis Nunc id hendrerit at ac amet Pellentesque. Eleifend risus orci sem
Sed ac.
</p><p>   A nec pellentesque Pellentesque Morbi fringilla accumsan et metus at
enim.
</p><p>   Eu felis Curabitur quis nibh tellus.
   </p>

请注意，该部分现在如下所示：

  <h3 id='nam-amet'>1.1 <span id='x2-20001.1'>Nam amet</span></h3>

是Nam amet通过改变配置添加的，并且id='nam-amet'是由添加的tex4ebook，以便根据章节标题而不是更容易改变的章节位置提供稳定的链接目的地。

段落中还有一些额外的空白，这是由 DVI 文件中的空白生成的。为了消除这些空白，我会使用 DOM 过滤器。

此任务的简单 DOM 过滤器可能如下所示：

local domfilter = require "make4ht-domfilter"

local function remove_space(node, regex)
  -- remove whitespace only from the text nodes
  if node and node:is_text() then
    node._text = node._text:gsub(regex, "")
  end
end

local filter = domfilter {
  function(dom)
    -- loop over <p> elements
    for _, p in ipairs(dom:query_selector("p")) do
      -- remove <p> elements without text
      local children = p:get_children()
      if #children < 2 and p:get_text():match("^%s*$") then
        p:remove_node()
      else
        local first = children[1]
        local last  = children[#children]
        remove_space(first, "^%s+") -- remove whitespace at the beginning
        remove_space(last, "%s+$") -- remove whitespace at the end of paragraph
      end
    end
    return dom
  end
}

Make:match("html$", filter)

您可以要求使用以下-e选项：

$ tex4ebook -c mycfg.cfg -e build.lua sample.tex

结果如下：

   <h2 id='lorem-ipsum'>Chapter 1<br /> 
<span id='x2-10001'>Lorem ipsum</span></h2>
<p>Dolor sit amet consectetuer eros sit quis mauris pretium. Phasellus penatibus
interdum dolor Ut nisl.</p>
   <h3 id='nam-amet'>1.1 <span id='x2-20001.1'>Nam amet</span></h3>
<p>Adipiscing est leo convallis nunc interdum Lorem hendrerit Vestibulum
amet.</p><p>Facilisi Nulla ultrices malesuada orci nibh eget ac Aliquam eros ut.</p>
   <h3 id='lorem-gravida'>1.2 <span id='x2-30001.2'>Lorem gravida</span></h3>
<p>Oorci sociis Nunc id hendrerit at ac amet Pellentesque. Eleifend risus orci sem
Sed ac.</p><p>A nec pellentesque Pellentesque Morbi fringilla accumsan et metus at
enim.</p><p>Eu felis Curabitur quis nibh tellus.</p>

Answer 1