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。

相关推荐
星始流年7 小时前
前端视角下认识AI Agent
前端·agent·ai编程
程序员X小鹿9 小时前
字节扣子空间的这个新功能,又原地封神了!打工人从此告别通宵!(附实测体验)
aigc·agent
hjs_deeplearning16 小时前
认知篇#10:何为分布式与多智能体?二者联系?
人工智能·分布式·深度学习·学习·agent·智能体
字节逆旅1 天前
如何将markdown生成pdf
markdown
修仙的人10 天前
开源 | 我将用最优雅的方式在 Vue 中渲染 AI 应用返回的 Markdown 数据
前端·vue.js·markdown
用户7112839284711 天前
FunctionCalling:当大模型开始理解这个世界
人工智能·python·agent
大模型教程11 天前
为什么你的RAG效果差?可能PDF没准备好!
程序员·llm·agent
MarsBighead11 天前
LLM-201: OpenHands与LLM交互链路分析
python·ai·llm·交互·agent
ZHOU_WUYI11 天前
Ragflow 源码:task_executor.py
数据库·agent·ragflow
AI大模型11 天前
AI落地开源三剑客系列教程:工作流平台n8n使用教程
程序员·llm·agent