给Markdown添加视频支持

都2020年了，现在最流行的就是什么直播弹幕短视频，你的博客要是还不支持插视频那可就OUT啦！

本博客目前使用Markdown写文，可惜它原生的语法并不支持视频，于是只能自己来实现这功能了。

视频好处都有啥？

视频是个好东西啊，它要不好现在的直播弹幕短视频怎么火的……咳咳，扯远了，就说写博客，比如写教程啊总会遇到需要动态演示的东西吧，比如我自己的 纯CSS解决图片加载的布局移动问题 里一开头的动图（其实是视频啦），要用图片或者文字来说明文本下移的现象肯定没有动态的演示好。

另外玩过Twitter的都知道它里面插入的GIF图会转换为视频， GIF是1987年发明的东西，在我看来早是就该进入垃圾堆的技术，因为当年浏览器不支持视频才得以流行 。动图这一技术完全能被视频所替代，视频本身就不是一连串图像的序列吗（当然还包括声音）。

在性能上， H.246编码的视频体积仅为GIF的13分之一 ，虽然GIF也有gifsicle能压缩一下，但效果仍不如视频。

从我的实际经验来看，技术类文章里大部分动态演示都来源于录屏，录屏软件生成的本来就是视频格式，把它们转GIF多此一举。 综上所述，视频的支持是一个现代化博客必需的功能 。

语法的选择

Markdown版本演进

上图来自 https://juejin.im/post/5baa5b346fb9a05d2d0225cc#heading-6

主要的几个Markdown版本原生都不支持视频，我不知道它的作者是怎么想的，如此重要的功能竟然能没有。既然官方没有，那就自己做呗，于是种各样的实现方案就跑了出来， 按照本人强迫症的做法当然要对比一番 。

直接插HTML

这是我看到的最多的做法，其优势就是简单，现有的转换库都支持写HTML，但我认为这种方式并不好。

• XSS风险：若是自己用还好说，一旦给评论之类的第三方输入用上，你都猜不到他们会搞些什么出来。

• 扩展性差：一旦写死，以后想改动下输出的HTML可就麻烦了，需要把所有文章都扫一遍，本博客就遇到过需要改动渲染结果的情况。

• 可读性差：Markdown作为轻量级标记语言，扫一眼即可轻松Parse是其一大优势，一旦混入重量级的HTML则可读性大打折扣。

这缺点太多，所以我决定还是得用Markdown的方式来做。

GitLab Flavored Markdown

GitLab Flavored Markdown（下称GFM） 是Markdown的一种修改版，它复用了图片的语法，以扩展名来区分媒体的类型，比如 ![label](foobar.mp4) 因为链接是 .mp4 结尾所以渲染为视频。

GFM的支持也很广泛，实现又简单，还有GitLab背书，自然也是个不错的选择。

但它的缺点也很明显，强制了链接的文件名必须是视频常用的扩展名，然而并不是所有链接都是如此，Twitter的视频链接就没有扩展名。另外既然都修改了原始的Markdown语义，何不直接另起一个新语法呢？

自己编个语法

关于自定义的语法 有很多讨论 ，我认为比较好的一种是使用 通用指令语法 ，它的格式是 @<指令类型>[...](..){...} 这样的，前面的@可以换成别的，指令类型用于区分视频、音频、GIF视频等，后面三个括号里的内容可以自由发挥。

最终我决定使用这种语法，它跟原生的图片语法一样简洁，又给足了自由发挥的余地。

通常来说，新的语法最好还是跟现有的保持相似，这里就以语法比较像的图片为基准。圆括号仍然跟图片一样包含视频的链接，方括号里填标签（GIF）或者poster（视频）。

通用指令语法里，花括号用来放置 key = "val" 这样的键值对，但它们同样可以放在链接URL的参数上，而且目前图片就是这么做的，为了保持一致，我选择不要这个花括号部分。

指令类型包含GIF视频和普通视频，另外Markdown同样不支持插入音频这里也给补上，所以最终的语法为：

• @audio[](音频链接) 插入一个音频。

• @gif[标签](视频链接) 插入视频，并尽可能模仿GIF图。

• @video[视频封面](视频链接) 插入普通视频。

解析器的实现

我的博客使用 markdown-it 来转换Markdown为HTML，markdown-it 的流程分为解析和渲染两部分，所以要给这两个地方编写自己的函数实现。

首先是怎么识别 @<指令类型>[...](..) 这种文本呢，如果不考虑转义的话倒是一个正则就能搞定，但问题是如果标签里出现了方括号，或者链接里有圆括号咋办？当然是要转义了，Markdown对括号的转义方式有两种：配对计数和斜杠转义，其中配对计数需要一个变量来存储左括号数量挺麻烦，而且斜杠转义完全能用于所有场景，但反过来配对计数却无法用于右括号单独出现的情况（虽然不常见）。

综上所述，我决定不支持计数了，斜杠转义用一个前向环视 (?<!\\) 就能解决，再给指令部分加点限制，最后的正则如下：

• 指令部分： ([a-z][a-z0-9\-_]*)

• 标签部分： \[(.*?)(?<!\\)]

• 链接部分： \((.*?)(?<!\\)\)

把它们三个连起来就可以匹配通用指令语法啦。

Markdown有块 block 和行内 inline 两种结构，原始的图片语法是属于行内的，这可以实现图文混排，但在使用中发现我并没有图文混排的需求，本站文章的图片都是单独一行。所以我决定新的语法作为块结构，这样可以降低解析函数被调用的频率，提升点性能。

最后要注意一下的是反转义和XSS检查，这些函数在markdown-it库里已有提供。

解析器代码见 kaciras-blog/web-server/packages/server/lib/markdown-media.ts

不同的渲染目标

Markdown渲染出来的HTML是跟场景相关的，比如在RSS里渲染的结果应尽量简单，毕竟阅读器的样式是没法由我来控制的；而在我的博客网站里，会有一些额外的样式和元素来展现更好的效果，比如 提前固定宽高比防止布局移动 、居中等。

在本站，GIF视频通过隐藏控制面板、静音、给下面加标签、以及IntersectionObserver实现的自动播放/暂停，实现了跟GIF图片一样的效果。另外由于RSS阅读器不会加载本站的样式表，也不会运行JS，所以RSS阅读器里的GIF视频只能跟普通视频一样。

除了这俩之外，我还准备让评论系统也使用Markdown（暂未实现），这又是一个新的渲染目标，用户评论属于第三方输入，对其的渲染必须加入一些限制以防滥用。

对无法控制的前端，渲染实现跟解析器写在一起，见上面的链接。

本站的渲染实现见 kaciras-blog/website/blob/master/src/markdown/media.js

最终效果

这是GIF视频哦

下面是普通的视频：

结果我还是很满意的，完全实现了我的想法，丰富的多媒体支让我写文更加得心应手！