Convertidor de HTML a Markdown - Markdown limpio de cualquier página
Convierte HTML a Markdown
Los scripts, estilos y medios incrustados se eliminan; las etiquetas desconocidas conservan su texto. Las tablas se convierten en tablas GFM.
Convertir HTML en Markdown
Llevar una entrada de blog a un README, una página de documentación a una wiki o un artículo web a tus notas significa quitar el HTML sin perder la estructura. Este convertidor analiza el marcado como lo hace un navegador y escribe el Markdown equivalente: los títulos siguen siendo títulos, las listas anidadas siguen anidadas, las tablas siguen siendo tablas, mientras scripts, estilos y píxeles de seguimiento desaparecen.
Pasos
- 1 Pega el HTML, una página completa o un fragmento, en el cuadro superior. En la mayoría de navegadores puedes hacer clic derecho en una página y elegir Ver código fuente para copiarlo.
- 2 Lee el Markdown de abajo; se actualiza mientras escribes. Las listas anidadas, los bloques de código con lenguaje y las tablas con alineación se conservan.
- 3 Copia el resultado o descárgalo como archivo .md.
Qué se convierte en qué
Los títulos h1 a h6 pasan a títulos con almohadilla; p a párrafo, br a salto de línea forzado y hr a una regla. strong y b pasan a dobles asteriscos, em e i a asteriscos simples, del y s a dobles virgulillas; code a acentos graves y pre a un bloque delimitado que conserva la clase de lenguaje como etiqueta. Los enlaces pasan a [texto](url), las imágenes a ; ul y ol a listas con guion y numeradas anidadas con dos espacios; blockquote a líneas con el signo mayor que; table a una tabla GFM con la alineación tomada de los atributos align o los estilos text-align.
Por qué trabaja sobre el DOM y no sobre texto
Las expresiones regulares no pueden manejar HTML de forma fiable: las etiquetas se anidan, los atributos contienen signos de mayor y menor dentro de cadenas y las páginas reales rara vez están bien formadas. El convertidor entrega el HTML al analizador del propio navegador, que repara las etiquetas sin cerrar o mal anidadas exactamente como al renderizar, y luego recorre el árbol resultante. Por eso un enlace dentro de negrita dentro de un elemento de lista sale bien.
Qué se elimina y qué se conserva
script, style, head, noscript, template, iframe, object, embed, svg, canvas, video y audio se eliminan con su contenido: ninguno tiene equivalente en Markdown y la mayoría es ruido. Todo lo demás que no se reconoce conserva su texto: un elemento personalizado, un span o un div se trata como contenedor y sus hijos se convierten. El formato en línea dentro de etiquetas desconocidas, por tanto, sobrevive.
Escape y salida limpia
Los caracteres que cambiarían el significado en Markdown (asteriscos, guiones bajos, acentos graves, barras invertidas y una almohadilla o guion al inicio de línea) se escapan en el texto para que convertir el Markdown de vuelta a HTML dé el mismo resultado. Los espacios en blanco se colapsan como lo haría un navegador, salvo dentro de pre. Las líneas en blanco se reducen a una entre bloques.