Rehype HTML 处理器

解决什么问题

当你需要批量处理 HTML 文档时——比如压缩页面体积、清理潜在的 XSS 恶意脚本、批量重写外链、提取标题层级做导航——逐个手写正则或手动操作 DOM 节点既容易出错，又难以复用。更麻烦的是，这些处理逻辑往往分散在项目各处，一旦需求变化就得从头改一遍。

这就是 rehype 这类基于 AST（抽象语法树） 的处理工具存在的意义：把 HTML 解析成结构化的树，用插件逐个改写，最后再序列化回去，让整个流程可预测、可组合。

它如何工作

这个技能的核心是一个基于 rehype 的 HTML 处理器，工作流分三步：

• 解析：rehype 把 HTML 字符串解析成 AST，每个标签、属性、文本都变成可操作的节点
• 转换：通过插件链对 AST 做针对性改写，比如删除冗余空白、过滤危险属性、替换 href 链接、提取 <h1>-<h6> 标题
• 序列化：把修改后的 AST 重新输出成 HTML 字符串，供下游使用

关键能力包括：

• HTML 压缩（minification），去掉多余空白和注释
• 内容清理（sanitization），按规则移除不安全的标签和属性
• 链接重写（link rewriting），批量更新页面内或跨站链接
• 标题提取（heading extraction），快速拿到文档结构

适用边界与注意点

• 该技能未提供自动提取的安装或使用说明，运行前需自行审阅上游项目源码，尤其在敏感工作流中
• rehype 属于 unified 生态，如果你已经用 remark 处理 Markdown，集成会很自然；纯 HTML 场景需要理解插件链的组合顺序
• 插件质量直接影响处理结果，建议优先选社区活跃的插件，避免引入维护停滞的依赖