91 lines
3.2 KiB
Python
91 lines
3.2 KiB
Python
import json
|
||
import re
|
||
|
||
jsonl_file = "prompt_jsonl/prompt_docs_refactored.jsonl"
|
||
report = []
|
||
|
||
def check_md_syntax(text, info_str):
|
||
lines = text.split('\n')
|
||
errors = []
|
||
|
||
# 1. 检查分隔符 (--- 或 ***)
|
||
# 规范：应独占一行，前后建议有空行
|
||
# 正则匹配：行首开始，至少3个-或*，行尾结束，允许行尾有空白
|
||
separator_pattern = re.compile(r'^\s*([-*]{3,})\s*$')
|
||
|
||
# 2. 检查标题 (#)
|
||
# 规范：#后必须有空格
|
||
header_pattern = re.compile(r'^(#+)([^ \n].*)') # 捕获 #后紧跟非空格的
|
||
|
||
# 3. 代码块 (```)
|
||
code_block_count = 0
|
||
|
||
for i, line in enumerate(lines):
|
||
# 检查分隔符
|
||
if separator_pattern.match(line):
|
||
# 检查长度（虽然md规范>=3即可，但有些习惯是用3个）
|
||
# 检查前后空行（非强制，但推荐）
|
||
pass # 暂时只检查基本正则，如果夹杂在文本中通常不会独占一行
|
||
|
||
# 检查错误标题： #Title
|
||
m = header_pattern.match(line)
|
||
if m:
|
||
# 排除掉特殊的Shebang或注释，比如 #!/bin/bash 或 #_Role (这个文件里的Title字段用了#_)
|
||
# 但这里是content字段，应该遵循MD规范
|
||
# 检查是否在代码块内
|
||
if code_block_count % 2 == 0:
|
||
# 忽略一些特定的meta标记，比如 # Role (有些prompt习惯)
|
||
# 实际上标准MD里 #Role 也是不规范的标题
|
||
# 允许一些特殊情况? 暂时严格检查
|
||
errors.append(f"Line {i+1}: 标题格式可能错误 (缺少空格): '{line[:20]}...'" )
|
||
|
||
# 检查代码块闭合
|
||
if line.strip().startswith('```'):
|
||
code_block_count += 1
|
||
|
||
if code_block_count % 2 != 0:
|
||
errors.append("代码块 (```) 未闭合")
|
||
|
||
if errors:
|
||
report.append(f"\n📄 {info_str}")
|
||
for e in errors:
|
||
report.append(f" - {e}")
|
||
|
||
def analyze():
|
||
print("正在检查 Markdown 语法...")
|
||
try:
|
||
with open(jsonl_file, 'r', encoding='utf-8') as f:
|
||
for line_num, line in enumerate(f, 1):
|
||
if not line.strip(): continue
|
||
try:
|
||
item = json.loads(line)
|
||
except json.JSONDecodeError:
|
||
print(f"❌ JSON 解析错误在第 {line_num} 行")
|
||
continue
|
||
|
||
cat = item.get('category', 'Unknown')
|
||
row = item.get('row', '?')
|
||
title = item.get('title', 'No Title')
|
||
content = item.get('content', '')
|
||
|
||
if not content:
|
||
report.append(f"\n⚠️ {cat} | Row {row} | {title}: 内容为空")
|
||
continue
|
||
|
||
info = f"[{cat}] Row {row}: {title}"
|
||
check_md_syntax(content, info)
|
||
|
||
except FileNotFoundError:
|
||
print("文件未找到")
|
||
return
|
||
|
||
if not report:
|
||
print("✅ 未发现明显的 Markdown 语法问题。 ")
|
||
else:
|
||
print(f"⚠️ 发现潜在问题 ({len(report)} 处):")
|
||
for msg in report:
|
||
print(msg)
|
||
|
||
if __name__ == "__main__":
|
||
analyze()
|