70 lines
2.5 KiB
JavaScript
70 lines
2.5 KiB
JavaScript
function markdownToPlainText(markdown) {
|
||
// 移除 Markdown 标题符号
|
||
let plainText = markdown.replace(/^#+\s*/gm, '');
|
||
|
||
// 移除 Markdown 链接格式
|
||
plainText = plainText.replace(/\[([^\]]+)\]\([^)]+\)/g, '$1');
|
||
|
||
// 移除 Markdown 加粗和斜体符号
|
||
plainText = plainText.replace(/\*\*([^*]+)\*\*/g, '$1');
|
||
plainText = plainText.replace(/\*([^*]+)\*/g, '$1');
|
||
|
||
// 移除 Markdown 代码块符号
|
||
plainText = plainText.replace(/`([^`]+)`/g, '$1');
|
||
|
||
// 移除 Markdown 分割线
|
||
plainText = plainText.replace(/^-{3,}/gm, '');
|
||
|
||
// 移除多余的空行
|
||
plainText = plainText.replace(/\n{3,}/g, '\n\n');
|
||
|
||
return plainText.trim();
|
||
}
|
||
|
||
// 示例用法
|
||
const markdown = `以下是整理好的热门文章资讯，已翻译为简体中文：
|
||
|
||
---
|
||
|
||
### 1. **《我的GPT造型师教会我如何更好地提示》**
|
||
**文章介绍**
|
||
本文探讨了大型语言模型（LLM）的奇怪行为，并通过作者与GPT造型师的互动，揭示了如何通过优化提示来更好地利用这些模型。文章深入分析了LLM的工作原理和局限性。
|
||
|
||
**文章链接**
|
||
\`https://towardsdatascience.com/what-my-gpt-stylist-taught-me-about-prompting-better-inside-the-strange-behavior-of-llms/\`
|
||
**作者**
|
||
Arielle Caron
|
||
**发布时间**
|
||
2025年5月9日
|
||
|
||
---
|
||
|
||
### 2. **《AccentFold论文回顾：非洲ASR领域最重要的研究之一》**
|
||
**文章介绍**
|
||
文章回顾了AccentFold论文，该研究解决了当前自动语音识别（ASR）系统在处理非洲口音时的局限性。作者详细分析了论文的创新点和实际应用价值。
|
||
|
||
**文章链接**
|
||
\`https://towardsdatascience.com/a-review-of-accentfold-one-of-the-most-important-papers-on-african-asr/\`
|
||
**作者**
|
||
Zaynab Awofeso
|
||
**发布时间**
|
||
2025年5月9日
|
||
|
||
---
|
||
|
||
### 3. **《欺骗性数据的危险（第二部分）：基础比例与糟糕的统计》》**
|
||
**文章介绍**
|
||
本文是作者关于欺骗性数据系列的第二部分，重点讨论了相关性、基础比例、摘要统计和不确定性如何误导人们。文章通过生动的例子和图表，帮助读者理解统计陷阱。
|
||
|
||
**文章链接**
|
||
\`https://towardsdatascience.com/the-dangers-of-deceptive-data-part-2-base-proportions-and-bad-statistics/\`
|
||
**作者**
|
||
Murtaza Ali
|
||
**发布时间**
|
||
2025年5月8日
|
||
|
||
---
|
||
|
||
希望这些资讯对您有帮助！如果需要进一步了解某篇文章，请随时告诉我。`;
|
||
|
||
console.log(markdownToPlainText(markdown)); |