如何将html转换成markdown

什么是Turndown

"Turndown" 是一个用于将 HTML 转换为 Markdown 的 JavaScript 库。它通常用于将富文本内容从网页或其他 HTML 格式转换为纯文本 Markdown 格式，以便在不同平台上显示或存储。

如果在有node环境的情况下要使用 Turndown，首先需要将它添加到你的项目中。可以使用 npm 或 yarn 安装 Turndown，如下所示：

使用 npm 安装：

npm install turndown

使用 yarn 安装：

yarn add turndown

或者html文件直接引入：

<script src="https://unpkg.com/turndown/dist/turndown.js"></script>

安装完成，可以在项目中使用它。以下是一个简单的示例：

import TurndownService from 'turndown';

const turndownService = new TurndownService();

const html = '<h1>Hello, World!</h1><p>This is a <em>sample</em> HTML document.</p>';
const markdown = turndownService.turndown(html);

console.log(markdown);

无需安装，直接在html文件使用：

<!DOCTYPE html>
<html lang="en">
<head>
  <meta charset="UTF-8">
  <meta http-equiv="X-UA-Compatible" content="IE=edge">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <!-- 引入 Turndown 库 -->
  <script src="https://cdn.jsdelivr.net/npm/turndown@7.1.3/dist/turndown.js"></script>

  <title>Document</title>
</head>
<body>
  <script>
    // 创建 TurndownService 实例
    const turndownService = new TurndownService();
  
    // 要转换的 HTML 内容
    const htmlContent = '<h1>Hello, World!</h1><p>This is a <em>sample</em> HTML document.</p>';
  
    // 使用 Turndown 进行转换
    const markdown = turndownService.turndown(htmlContent);
  
    // 输出 Markdown
    console.log(markdown);
  </script>
  
</body>
</html>

参数

Turndown 提供了一些参数和配置选项，以便更精细地控制 HTML 到 Markdown 的转换过程。以下是一些常用的参数和配置选项：

1. headingStyle（标题样式）: 用于指定生成的 Markdown 标题的样式。可选值包括 "setext"（默认值）和 "atx"。"setext" 样式使用下划线或等号来表示标题级别，而 "atx" 样式使用井号的数量表示标题级别。

const turndownService = new TurndownService({ headingStyle: 'atx' });

2. hr（水平分隔线）: 用于指定生成的 Markdown 水平分隔线的样式。默认是 * * *。

const turndownService = new TurndownService({ hr: '- - -' });

3. bulletListMarker（无序列表标记）: 用于指定生成的 Markdown 无序列表的标记。默认是 "*"。

const turndownService = new TurndownService({ bulletListMarker: '-' });

4. codeBlockStyle（代码块样式）: 用于指定生成的 Markdown 代码块的样式。默认是三个反引号 "```"。

const turndownService = new TurndownService({ codeBlockStyle: '```' });

5. fence（代码块标记）: 用于指定生成的 Markdown 代码块的标记。默认是 ~~~。

const turndownService = new TurndownService({ fence: '```' });

6. emDelimiter（强调/斜体标记）: 用于指定生成的 Markdown 强调（斜体）的标记。默认是 "_"。

const turndownService = new TurndownService({ emDelimiter: '*' });

7. strongDelimiter（粗体标记）: 用于指定生成的 Markdown 粗体的标记。默认是 "**"。

const turndownService = new TurndownService({ strongDelimiter: '__' });

API

Turndown 提供了一组 API 方法，用于定制和配置 HTML 到 Markdown 的转换过程。以下是一些常用的 Turndown API 方法和选项：

1. turndown(html: string): 这是 Turndown 的主要方法，用于将给定的 HTML 字符串转换为 Markdown。它返回一个 Markdown 字符串。

2. addRule(key: string, rule: Rule): 允许你添加自定义规则来处理 HTML 元素的转换。key 是规则的唯一标识符，rule 是一个包含规则定义的对象。

3. keep(filter: string | RegExp | KeepFilterFunction): 允许你指定哪些 HTML 元素应该保留为原始 HTML，而不进行转换。你可以传递一个字符串、正则表达式或自定义函数来定义保留的条件。

4. remove(filter: string | RegExp | RemoveFilterFunction): 允许你指定哪些 HTML 元素应该从输出的 Markdown 中完全移除。你可以传递一个字符串、正则表达式或自定义函数来定义移除的条件。

5. use(plugins: Plugin | Plugin[]): 允许你加载 Turndown 插件，这些插件可以添加额外的转换规则和功能。插件是一种扩展 Turndown 功能的方式。

6. keepReplacement: 用于自定义保留元素时的替代字符串，默认是 '\n\n'。你可以更改这个字符串以满足你的需求。

7. addRuleBefore(existingKey: string, newKey: string, rule: Rule): 在现有规则之前添加自定义规则。

8. addRuleAfter(existingKey: string, newKey: string, rule: Rule): 在现有规则之后添加自定义规则。

市面上还有很多其他html转换markdown的工具，比如html-to-markdown、showdown、remark、Marked 可以根据项目需要和个人喜好去使用。

本文只是简单介绍一下turndown工具。更多详细内容可以在官方文档中查看：https://github.com/domchristie/turndown。