用正则表达式批量处理 Markdown 文件：替换、提取、校验（附 Python 脚本实战）

在维护大型文档项目（如技术手册、博客仓库、知识库）时，你是否曾遇到以下痛点？

• 需要将所有  图片链接批量替换为新 CDN 地址；
• 想从上百篇 .md 文件中提取所有标题，生成目录索引；
• 团队提交的 Markdown 存在格式不规范（如空行缺失、标题未对齐），需自动校验。

手动逐个修改？效率低下且易出错！

本文将教你如何利用 正则表达式（Regex） + Python 脚本，高效完成 Markdown 文件的批量替换、内容提取与格式校验，并提供可直接运行的代码模板，助你实现“一键自动化”！

一、为什么选择正则表达式处理 Markdown？

虽然 Markdown 是结构化文本，但其语法简单、规则明确，非常适合用正则进行模式匹配。相比解析 AST（如使用 markdown-it），正则方案具有：

• 轻量快速：无需依赖重型解析库；
• 灵活可控：精准定位特定模式；
• 易于集成：一行命令或脚本即可执行。

注意：正则不适合处理嵌套结构（如表格内含代码块），但对于 90% 的日常任务（链接、图片、标题、代码块等）完全够用。

二、常用 Markdown 元素正则模式速查表

小技巧：在 regex101.com 上测试你的正则，选择 Python Flavor。

三、实战场景 1：批量替换图片链接（迁移 CDN）

需求

将所有本地图片路径 ./images/xxx.png 替换为 CDN 地址 2026-02-1320ith0etzle.png。

正则思路

• 匹配图片 URL 中包含 ./images/ 的部分；
• 保留文件名，替换前缀。

Python 脚本

import re
import os
import glob

def replace_image_links(md_file, old_prefix="./images/", new_prefix="https://cdn.example.com/blog/"):
with open(md_file, 'r', encoding='utf-8') as f:
content = f.read()

# 正则：匹配图片URL中old_prefix开头的部分
pattern = r'!$$([^$$]*)$$$' + re.escape(old_prefix) + r'([^)]+)$'
repl = r''

new_content = re.sub(pattern, repl, content)

with open(md_file, 'w', encoding='utf-8') as f:
f.write(new_content)

# 批量处理所有 .md 文件
for md_file in glob.glob("docs/**/*.md", recursive=True):
replace_image_links(md_file)
print(f"已处理: {md_file}")

关键点：

• 使用 re.escape() 避免特殊字符干扰；
• \\1, \\2 引用捕获组，保留 alt 文本和文件名。

四、实战场景 2：提取所有标题生成目录

需求

扫描整个项目，提取所有 #、##、### 标题，输出层级化目录。

Python 脚本

import re
import glob

def extract_headings(md_file):
with open(md_file, 'r', encoding='utf-8') as f:
lines = f.readlines()

headings = []
for line in lines:
if line.startswith('#'):
level = line.count('#')
title = line.strip('# \\n')
headings.append((level, title))
return headings

all_headings = []
for md_file in glob.glob("posts/*.md"):
headings = extract_headings(md_file)
all_headings.extend(headings)

# 输出 Markdown 目录
for level, title in all_headings:
indent = " " * (level – 1)
print(f"{indent}– [{title}](#{title.lower().replace(' ', '-')})")

输出示例：

– [入门指南](#入门指南)
– [安装步骤](#安装步骤)
– [基本配置](#基本配置)
– [高级用法](#高级用法)

五、实战场景 3：校验 Markdown 格式规范

常见规范要求

• 标题前后必须有空行；
• 图片必须包含非空 alt 文本；
• 不允许连续两个以上空行。

校验脚本（部分）

import re

def validate_markdown(md_file):
with open(md_file, 'r', encoding='utf-8') as f:
content = f.read()
lines = content.split('\\n')

errors = []

# 规则1: 标题前后需空行
for i, line in enumerate(lines):
if line.startswith('#'):
if i > 0 and lines[i–1].strip() != '':
errors.append(f"L{i+1}: 标题前缺少空行")
if i < len(lines)–1 and lines[i+1].strip() != '':
errors.append(f"L{i+1}: 标题后缺少空行")

# 规则2: 图片 alt 文本不能为空
empty_alt = re.findall(r'!$$$$$[^)]+$', content)
if empty_alt:
errors.append("存在空 alt 文本的图片")

# 规则3: 禁止连续3个以上空行
if re.search(r'\\n\\s*\\n\\s*\\n\\s*\\n', content):
errors.append("存在连续3个以上空行")

return errors

# 执行校验
for md_file in glob.glob("*.md"):
errs = validate_markdown(md_file)
if errs:
print(f" {md_file} 发现问题:")
for e in errs:
print(f" – {e}")

可集成到 CI 流程，在 Git 提交前自动检查。

六、高级技巧：处理多行模式与贪婪匹配

问题：代码块跨多行，如何精准匹配？

# 正确写法：使用 [\\s\\S] 匹配任意字符（包括换行）
code_block_pattern = r'```(\\w+)?\\n([\\s\\S]*?)\\n```'

问题：避免过度匹配（如多个图片连在一起）

• 使用非贪婪匹配 .*? 而非 .*
• 示例：$$(.*?)$$$(.*?)$ 而不是 $$(.*)$$$(.*)$

七、工具推荐：无需编程也能用正则

• VS Code： Ctrl+Shift+H 全局搜索替换，支持正则（勾选 .* 图标）
• Notepad++： 查找 → 替换 → 勾选“正则表达式”
• 在线工具： RegExr、Text Mechanic

总结：正则 + Markdown = 自动化利器

记住：不要试图用正则解析所有 Markdown，但 80% 的重复劳动，它都能帮你干掉！