使用python Popen和pandoc解析html时不需要的新行？

Question

我正在尝试使用python和pandoc将几段html转换为latex，但遇到了几个问题。在

为了将python脚本与pandoc通信，我使用subprocess.Popen，将stdout重定向到我要保存的文件中，以便将其包含在latex模板中。在

如果我使用经典的方法实现Popen

from subprocess import Popen, PIPE, STDOUT

filedesc = open('myfile.tex','w')
args = ['pandoc', '-f', 'html', '-t', 'latex']
p = Popen(args, stdout=PIPE, stdin=PIPE, stderr=STDOUT)
outp, err = p.communicate(input=html)
filedesc.write(outp)

我得到了一个新的行，其中不应该有任何：

> \textbf{M. John Harrison} (Rugby, Warckwickshire, 1945) is a contemporary

>

> English writer.

这是（莫名其妙地？）通过将stdout=PIPE更改为文件描述符，很容易解决：

^{pr2}$

但是如果我想使用字符串缓冲区，同样的问题也会发生，因为我不能将它用作stdout参数。在

有什么办法阻止Popen/pandoc这么做吗？在

谢谢！在

Answer 1

嗯，它似乎是python管道中的一种“bug”（？？）。在

我在Windows系统中执行此代码。这意味着当输入新行时，它们是CR+LF（\r\n）样式，而不是unix样式的（cleaner）LF（\n）新行。在

当我引入一个大的html文本由pandoc转换时，输出由管道返回到命令行。因此，每当达到标准列宽时，就会引入一个难看的“新行”字符。在我的情况下是CR+LF。这让我的输出看起来很奇怪。在

我实现的肮脏解决方案是在编写输出之前添加一个replace('\r\n','\n')，但我不确定它是否是最优雅的。在

from subprocess import Popen, PIPE, STDOUT

html = '<p><b>Some random html code</b> longer than 80 columns ... </p>'
filedesc = open('myfile.tex','w')
args = ['pandoc', '-f', 'html', '-t', 'latex']
p = Popen(args, stdout=PIPE, stdin=PIPE, stderr=STDOUT)
outp, err = p.communicate(input=html)
filedesc.write(outp.replace('\r\n','\n'))**strong text**