ملفات Markdown: نص خام تحكمه أعراف، وهي ليست عرفًا واحدًا

والتعقيد أنه لا توجد Markdown واحدة. فقد ترك التطبيق الأصلي عام 2004 حالات كثيرة جدًا دون تعريف، فحسمها كل عارض على طريقته؛ ووُجدت CommonMark لتضبط هذه الالتباسات، وتبني عليها GitHub Flavored Markdown الجداول وقوائم المهام والنص المشطوب. وهذا الوضع معترف به رسميًا: فحين سُجّل text/markdown نوعًا للوسائط في RFC 7763 في مارس 2016، تضمّن التسجيل مُعامِلًا باسم variant، تحديدًا لأن القول إن الملف Markdown لا يحدد أي Markdown هو. وما ينتجه هذا الموقع هو text/markdown بترميز UTF-8، ولا يستخدم إلا البنى التي تتفق عليها كل اللهجات — العناوين بعلامة #، والفقرات المفصولة بسطر فارغ، والنقاط بالشرطة، والخطوط الأفقية.

تحويل PDF إلى Markdown يعني صنع بنية لم تكن في ملف PDF قط. فملف PDF يسجّل أحجام الخط لا العناوين، لذا تُرتَّب الأحجام الموجودة في الصفحة وتصبح أكبر ستة منها مستويات العناوين الستة؛ والسطر الذي لا يزيد على كونه أكبر من نص المتن يصبح عنوانًا سواء عدّه المؤلف كذلك أم لا. والقوائم أسوأ حالًا: فلا وجود لبنية القائمة في PDF أصلًا، والنقطة التي تراها حرف حرفيًا ضمن النص، فالسبيل الوحيد لنجاة القائمة هو التعرّف على ذلك الحرف وإعادة كتابته شرطة. أما البنود المرقّمة فلا تحتاج إلى هذه المساعدة — فصيغتا «1. » و«1) » هما Markdown أصلًا، ويُقصد بهما قائمة أصلًا.

وثمة تفصيلتان تستحقان المعرفة لأنهما تغيّران النص نفسه. فالسطر المنتهي بشرطة يُعامَل على أنه كلمة انقسمت عند فاصل السطر، فتُوصل من دون الشرطة؛ والأسطر المتتالية بالصينية أو اليابانية تُضم دون مسافة بينها، لأن هاتين الكتابتين لا تضعان مسافة هناك. وتُفصل الصفحات بخط أفقي، فيصل مستند من ثلاث عشرة صفحة ومعه اثنا عشر خطًا منها. وإن كان ملف PDF ممسوحًا ضوئيًا بلا طبقة نصية، فإن نموذج التعرّف نفسه المستخدم في تحويل PDF إلى Word يقرأ الحروف من صور الصفحات أولًا، على جهازك أنت.