一款HTML转Markdown格式的工具

Markdown格式不仅对写博客的人非常友好和方便，对AI也是如此。

目前AI大语言模型的输出基本都是Markdown格式，这就意味着AI是能充分理解Markdown格式的，这一点非常重要。

Markdown格式输出的另一个好处是可以方便的转换为HTML格式。比如AI服务器按流输出token时，我们可以直观的看到HTML的构建过程，比如标题、列表、表格，甚至复杂的数学公式，都在AI的“吐字”中生成。

既然AI输出是以Markdown格式，那么输入呢？如果Prompt以Markdown格式书写，AI也能快速理解并抓住重点。比如：#是一级标题，*是加粗等，犹如Attention机制一样，通过Markdown中的简单标记，AI能更好的理解Prompt中语义和上下文关系。

实际上目前市场上各种AI智能体（agent），就是在写Prompt，也就是编写一个能让AI快速理解的上下文。这个Prompt写的越好，AI的反馈才能越好，agent才能调用其它工具帮你高效完成工作，比如写代码。

相较于简单的聊天，这种由agent构建出的Prompt都比较复杂，使用的token量也很大。因此既要减少token使用量，也要让AI快速抓住重点，理解你的语义，那么Markdown格式几乎就是唯一的选择。

为何要将HTML转为Markdown格式？

无论目前的AI有多强大，都是基于对过去知识的学习，如果我们想了解现在的知识，就需要对AI的知识进行补充。补充方式有很多：

比如部署一个deepseek自己微调训练它的专业领域知识。

如果你觉得自己部署训练的门槛比较高，也可以选择RAG的方式打造本地知识库。

如果你觉得RAG的方式还是比较麻烦，也可以采用联网搜索的方式。

无论你采用哪种方式，都不可避免的要处理某些HTML格式的数据，毕竟我们目前获取信息的主要手段还是通过网站，也就是浏览HTML网页。

如果直接将HTML格式的数据喂给AI，显然是不合适的，一是无效token太多，二是无效信息也太多。我们需要提炼出HTML中的正文，而不是各种闪烁的广告。

总而言之：Markdown格式是目前AI最喜欢的格式。

在这个背景下写一个HTML转Markdown格式的工具就很有必要了，这就是Html2Markdown的开发背景。

言归正传，简单介绍以下Html2Markdown工具。

工具特点:

1、小巧简洁只有一个可执行文件；

2、支持SSL协议，内部集成高版本openssl库(TLS1.3)；

3、支持在线格式转换，可将网页内容快速转为md格式；

4、支持命令行方式，方便用户进行第三方集成，如批量对网页进行格式转换;

5、完全自主的HTML格式解析，DOM节点提取速度快；

点击下载Html2Markdown工具

程序界面：

以下将陈百川博主的文章转为markdown格式（侵权删），如下：

命令行使用方法：

Html2Markdown URL LocalPathFile [-overwrite]

命名行方式一共有3个参数：

参数1：URL，需要转换网页地址（建议URL中明确http还是https，如果不写默认使用https）；

参数2：LocalPathFile，转换后的本地文件路径；

参数3：可选参数，-overwrite，如果该参数存在则表示转换时覆盖已存在的LocalPathFile；

如：

Html2Markdown https://www.cnblogs.com c:/cnlogs.md

补充说明

说明1：

有些网站为了防止数据被爬取，采用了“动态”内容输出，也就是浏览器渲染才能看见最终的HTML内容。

比如百度和知乎。对于这类网站，你可以在浏览器中将网页内容保存为HTML格式，然后通过该工具进行转换。
说明2：

该程序可能会被某些安全软件误报为木马，我也不太清楚原因，可能里面有下载网页的原因吧。
说明3：

每个网站都有自己固定格式，我指的是打开网站某篇文章或报道，通过markdown格式可以分析这些规律，从而提取有效信息。比如第N行是标题，N+1行后是文章内容。通过markdown格式的输出，也可以分析如何让网页内容能被搜索引擎快速提取有效内容。