latex标记html样式,将HTML img标记转换为带有LaTeX标题的图形

我正在编写一个python脚本来解析Wordpress导出XML(wpxml)的内容，以生成一个LaTex文档。到目前为止，wp-xml是通过lxml.etree解析的，代码生成一个新的xml树，由texml处理，然后生成tex文件。在

目前，我提取每一篇文章和某些元数据(标题、发布日期、标记、内容)。元数据没有问题，但是内容部分有点问题。在wpxml中，内容作为CDATA结构包含在纯HTML/Wordpress标记中。要将其转换为latex，我选择pandoc来解析内容。TeXml支持内联乳胶，因此内容作为普通乳胶添加到树中。在

我决定在本例中使用pandoc，因为它已经很好地转换了大部分html标记(a，strong，em…)，我唯一的问题是它如何处理图像。在

我使用一个子流程与pandoc接口：args = ['pandoc', '-f', 'html', '-t', 'latex']

p = Popen(args, stdout=PIPE, stdin=PIPE, stderr=PIPE)

tex_result = p.communicate(input=(my_html_string).encode('utf-8'))[0]

示例帖子可能如下所示

^{pr2}$

我需要嵌入图片说明如图\begin{figure}

\includegraphics{link_to_image.jpg}

\label{fig:some_label}

\caption{Some alt text}

\end{figure}

pandoc似乎将htmlimg标记转换为简单的内联图像，丢弃任何标题或alt文本。在\href{http://link\_to\_source\_image.jpg}{\includegraphics{http://link_to_scaled_down_version.jpg}}

我确实浏览了一下源代码，看起来img只被视为内联元素。

(pandoc parsing function)。我不认识哈斯凯尔，所以这就是我能做到的。在

如果将html转换为markdown，它会保留alt和title，结果与

使用markdown，您可以在生成的latex文档中包含内联图像或图形。如果你把这个标记转换成乳胶，结果是\begin{figure}[htbp]

\centering

\includegraphics{http://link_to_scaled_down_version.jpg}

\caption{Some alt text}

\end{figure}

首先，pandoc似乎是一个简单的解析内容的解决方案，但我有点卡住了，因为pandoc也不支持html中的内联latex，所以我可以首先通过pandoc处理所有图像和其他图像。在

你们知道如何(更好地)处理html中的img标记，将其嵌入到具有标题的latex图形环境中吗？在