TanodTools
PT

Converter HTML para Markdown

Cole HTML ou abra um arquivo .html e receba Markdown organizado para um README, uma wiki ou um app de notas.

Funciona inteiramente no seu navegador

Tradução automática; não foi revisada por um falante nativo. Machine-translated; not reviewed by a native speaker.

Cole o HTML para começar.

Para arquivos Word, Excel, PowerPoint ou EPUB, a API Document to Markdown paga retorna trechos no mesmo formato: POST https://tanod.dev/v1/docs/to-markdown com "chunks": "headings".

HTML de até cerca de 5 MB, colado ou de um arquivo .html. O resultado é atualizado enquanto você digita.

Como converter HTML para Markdown

  1. Cole seu HTML na caixa ou abra um arquivo .html.
  2. Escolha o estilo de cabeçalho, lista e bloco de código que preferir. As tabelas viram tabelas Markdown, a menos que você desative essa opção.
  3. Copie o Markdown, baixe como arquivo .md ou baixe dividido em trechos por título, como arquivo .jsonl.

Como transformar páginas da web em Markdown

Levar conteúdo de uma página da web, de um CMS antigo ou de um editor de texto formatado para um README, um site estático ou um app de notas geralmente significa converter HTML para Markdown. O conversor percorre a estrutura do HTML e escreve cada elemento na sua forma Markdown: cabeçalhos viram linhas com #, listas viram hífens, links viram [texto](url) e <pre><code> vira um bloco de código.

O Markdown só descreve estrutura, então a estilização fica para trás. Estilos inline, classes, cores e contêineres de layout desaparecem, enquanto as palavras, a ênfase, os links, as imagens e as listas ficam. As tabelas são escritas como tabelas do GitHub Flavored Markdown quando são simples o bastante para caber nesse formato.

Projetos diferentes preferem hábitos de Markdown diferentes, por isso os estilos de cabeçalho, marcador de lista, bloco de código e itálico podem ser alterados. A maioria dos renderizadores aceita qualquer um deles.

O download de trechos divide o Markdown por títulos, para índices de busca e ferramentas de recuperação. Cada linha do arquivo .jsonl é um trecho: o caminho de títulos, como ["Configuração", "Instalação"], o texto, o tamanho em caracteres, uma estimativa de tokens (caracteres divididos por 4, arredondando para cima), um hash SHA-256 do texto (Unicode NFC, sem espaços no fim das linhas) e o id da âncora quando o título ou a seção dele tem um. Um trecho tem no máximo 1.500 caracteres. Seções mais longas são divididas entre parágrafos e, depois, entre linhas. Um bloco de código cercado (```) nunca é dividido, e uma tabela longa é dividida entre as linhas dela, com o cabeçalho repetido. O texto antes do primeiro título recebe um caminho vazio.

Dicas

Perguntas frequentes

Meu HTML é enviado para algum lugar?

Não. Ele é convertido no seu navegador com a biblioteca de código aberto Turndown, e nada é enviado para lugar nenhum nem armazenado.

Ele carrega imagens ou executa scripts do HTML?

Não. O HTML é lido num documento separado que o navegador nunca exibe, então os scripts não rodam e imagens, fontes e folhas de estilo não são baixadas. Blocos de script e de estilo são descartados do resultado.

Como as tabelas são convertidas?

Tabelas simples viram tabelas Markdown no estilo GitHub, com a primeira linha como cabeçalho e o alinhamento à esquerda, centralizado ou à direita mantido quando o HTML o define. Tabelas com células mescladas (rowspan ou colspan) ou com uma tabela dentro de outra não podem ser escritas como tabelas Markdown, então ficam em HTML, que a maioria dos renderizadores de Markdown exibe como está. Você pode desativar a conversão de tabelas para manter todas as tabelas em HTML.

Qual a diferença entre os estilos de cabeçalho e de código?

Cabeçalhos ATX começam com sinais # (# Título) e funcionam em todos os níveis; cabeçalhos Setext sublinham o texto com = ou - e só existem para os níveis 1 e 2, então cabeçalhos mais profundos continuam usando #. Blocos de código cercados envolvem o código em três crases e mantêm o nome da linguagem de uma classe language-; blocos indentados usam quatro espaços, o estilo mais antigo.

O que se perde na conversão?

O Markdown não tem como expressar cores, fontes, classes, layout ou controles de formulário, então isso é descartado e só ficam o texto e sua estrutura. Texto tachado vira ~~texto~~ e caixas de seleção em itens de lista viram marcadores de lista de tarefas. Caracteres que seriam lidos como Markdown, como um # ou * no início, são escapados com uma barra invertida.