正则适合作为Markdown解析器的行级初筛工具，适合匹配标题、水平线等独立成行的块元素，但无法处理嵌套、内联格式、多行引用等需状态跟踪的场景。
正则表达式可以作为 Markdown 解析器的起点，但仅靠正则很难做到真正健壮。它适合处理结构清晰、边界明确的块级元素（如标题、水平线），对嵌套、交叉、上下文敏感的语法（如内联强调、链接中的括号、代码块内的井号）容易出错。想用正则打基础，关键不是“全靠它”，而是清楚它的能力边界，并在合适位置用它做快速初筛。
哪些场景适合用正则快速切入
正则最稳妥的用武之地是识别**独立成行、格式固定、无嵌套干扰**的 Markdown 块：
-
标题：用
/^#{1,6}\s+(.+)$/匹配一行开头的 1–6 个 # 号加空格，提取内容和层级 -
水平线：用
/^(?:-{3,}|_{3,}|\*{3,})\s*$/匹配连续三个以上的 -、_ 或 *（忽略末尾空格） -
引用块起始：用
/^>\s+(.+)$/匹配以 > 开头的单行引用（注意：多行引用需状态跟踪，正则不适用） -
无序列表项：用
/^[-*+]\s+(.+)$/匹配以 -、* 或 + 开头的单行列表（同样，缩进续行需额外逻辑）
哪些地方正则会“翻车”，必须绕开
以下常见 Markdown 结构，若强行用正则处理，极易产生误匹配或漏匹配：
Web fetch markdown of page
下载
通过 jina.ai 将网页抓取为精简的 markdown，用于在需要获取 URL 并获取压缩的 markdown 内容以节省 token。触发词 l...
-
内联格式：比如
*斜体* 和 **粗体** 混在一起时，<code>/\*\*(.*?)\*\*/会因贪婪匹配跨过中间的*，把**a*b**错解析为粗体“a*b”而非“a”加斜体“b” -
代码块与普通文本混排：反引号包裹的
`inline code`可能出现在任何位置，而段落里又可能有孤立的`符号，正则难以区分上下文 -
链接和图片：
[文字](url)中的 url 可能含括号，如[官网](https://example.com/path?x=1&y=2)，简单正则无法正确截断 - 缩进式代码块：依赖行首空格数量和前后空行判断，纯正则无法维护“上一行是否为空行”这类状态
正则如何作为健壮解析器的第一步
把正则当作“分词预处理”工具，而不是最终渲染引擎：
- 先按换行符
.split('\n')把原文拆成行数组 - 对每一行，用一组带优先级的正则依次尝试匹配：先试标题，再试水平线，再试列表……匹配成功就打上对应类型标签（如
{ type: 'heading', level: 2, text: '内容' }），未匹配的行暂标为'paragraph' - 得到带类型的行序列后，再进入第二阶段：合并连续的
paragraph行、将同级列表项聚合成list节点、处理引用块的多行延续——这些都需要状态机或递归下降，不能只靠正则 - 最后，把结构化的节点树交给专门的渲染器转成 HTML，此时内联部分再用更安全的逐字符扫描或有限状态机处理
一个实际可用的正则预处理示例
下面这段 JavaScript 代码只做行级分类，不负责渲染，也不处理嵌套：
function tokenizeLines(md) {
return md.split('\n').map(line => {
const heading = line.match(/^#{1,6}\s+(.+)$/);
if (heading) return { type: 'heading', level: heading[0].indexOf(' ') , text: heading[1] };
<pre class='brush:php;toolbar:false;'>const hr = line.match(/^(?:-{3,}|_{3,}|\*{3,})\s*$/);
if (hr) return { type: 'hr' };
const blockquote = line.match(/^>\s+(.+)$/);
if (blockquote) return { type: 'blockquote', text: blockquote[1] };
const list = line.match(/^[-*+]\s+(.+)$/);
if (list) return { type: 'list_item', text: list[1] };
return { type: 'paragraph', text: line.trim() };}); }
