Convertir HTML a Markdown
Pega HTML o abre un archivo .html y obtén Markdown ordenado para un README, una wiki o una app de notas.
Funciona completamente en tu navegador
Traducción automática; no la ha revisado un hablante nativo. Machine-translated; not reviewed by a native speaker.
Pega HTML para empezar.
Para archivos de Word, Excel, PowerPoint o EPUB, la API de documento a Markdown de pago devuelve fragmentos en el mismo formato: POST https://tanod.dev/v1/docs/to-markdown con "chunks": "headings".
HTML de hasta unos 5 MB, pegado o desde un archivo .html. El resultado se actualiza mientras escribes.
Cómo convertir HTML a Markdown
- Pega tu HTML en el cuadro o abre un archivo .html.
- Elige el estilo de encabezados, listas y bloques de código que quieras. Las tablas se convierten en tablas Markdown, a menos que desactives esa opción.
- Copia el Markdown, descárgalo como archivo .md o descárgalo dividido en fragmentos por encabezado, como archivo .jsonl.
Convertir páginas web en Markdown
Llevar contenido de una página web, un CMS antiguo o un editor de texto enriquecido a un README, un sitio estático o una app de notas normalmente implica convertir HTML a Markdown. El conversor recorre la estructura del HTML y escribe cada elemento en su forma Markdown: los encabezados se convierten en líneas con #, las listas en guiones, los enlaces en [texto](url) y <pre><code> en un bloque de código.
Markdown solo describe la estructura, así que el estilo se queda atrás. Los estilos en línea, las clases, los colores y los contenedores de diseño desaparecen, mientras que las palabras, el énfasis, los enlaces, las imágenes y las listas se conservan. Las tablas se escriben como tablas de GitHub Flavored Markdown cuando son lo bastante simples para ese formato.
Cada proyecto prefiere sus propias costumbres de Markdown, por eso se pueden cambiar los estilos de encabezado, viñeta de lista, bloque de código y cursiva. La mayoría de los visores aceptan cualquiera de ellos.
La descarga de fragmentos divide el Markdown por encabezados, para índices de búsqueda y herramientas de recuperación. Cada línea del archivo .jsonl es un fragmento: su ruta de encabezados, como ["Configuración", "Instalación"], el texto, su longitud en caracteres, una estimación de tokens (caracteres divididos entre 4, redondeando hacia arriba), un hash SHA-256 del texto (Unicode NFC, sin espacios al final de las líneas) y el id del ancla cuando el encabezado o su sección tiene uno. Un fragmento tiene como máximo 1500 caracteres. Las secciones más largas se dividen entre párrafos y, después, entre líneas. Un bloque de código delimitado (```) nunca se divide, y una tabla larga se divide entre filas, repitiendo su encabezado. El texto anterior al primer encabezado recibe una ruta vacía.
Consejos
- Revisa cómo se ve el Markdown con Markdown a HTML, que tiene vista previa.
- Arregla espacios o palabras sobrantes con Buscar y reemplazar.
- Cuenta las palabras del resultado con el Contador de palabras.
Preguntas frecuentes
¿Se sube mi HTML?
No. Se convierte en tu navegador con la biblioteca de código abierto Turndown, y no se envía a ningún lado ni se guarda.
¿Carga imágenes o ejecuta scripts del HTML?
No. El HTML se lee en un documento separado que el navegador nunca muestra, así que los scripts no se ejecutan y no se descargan imágenes, fuentes ni hojas de estilo. Los bloques de script y de estilo se quitan del resultado.
¿Cómo se convierten las tablas?
Las tablas simples se convierten en tablas Markdown estilo GitHub, con la primera fila como encabezado y la alineación a la izquierda, centrada o a la derecha cuando el HTML la define. Las tablas con celdas combinadas (rowspan o colspan) o con una tabla dentro de otra no se pueden escribir como tablas Markdown, así que se conservan como HTML, que la mayoría de los visores de Markdown muestran tal cual. Puedes desactivar la conversión de tablas para conservar todas las tablas como HTML.
¿Qué diferencia hay entre los estilos de encabezado y de código?
Los encabezados ATX empiezan con signos # (# Título) y sirven para todos los niveles; los encabezados Setext subrayan el texto con = o - y solo existen para los niveles 1 y 2, así que los niveles más profundos siguen usando #. Los bloques de código delimitados envuelven el código entre tres comillas invertidas y conservan el nombre del lenguaje de una clase language-; los bloques con sangría usan cuatro espacios, el estilo más antiguo.
¿Qué se pierde en la conversión?
Markdown no puede expresar colores, fuentes, clases, diseño ni controles de formulario, así que eso se descarta y solo quedan el texto y su estructura. El tachado se convierte en ~~texto~~ y las casillas en elementos de lista se convierten en marcadores de lista de tareas. Los caracteres que de otro modo se leerían como Markdown, como un # o un * al principio, se escapan con una barra invertida.