网页正文转 Markdown · Web Page to Clean Markdown
Pricing
$8.00 / 1,000 转换一个页面
Go to Apify Store
网页正文转 Markdown · Web Page to Clean Markdown
输入网址，自动剥离导航、广告、脚本、侧栏，输出干净 Markdown 正文，保留标题层级、列表、代码块、引用、链接。喂给 AI 做摘要、RAG 知识库、语料清洗之前先洗一遍。HTML to Markdown, article extractor, LLM ready text.
Pricing
$8.00 / 1,000 转换一个页面
Rating
0.0
(0)
Developer
Li Sun
Maintained by CommunityActor stats
0
Bookmarked
2
Total users
1
Monthly active users
20 hours ago
Last modified
Categories
Share
网页正文转 Markdown
给一个网址，输出干净的 Markdown 正文：自动剥离导航、广告、侧边栏、页脚、脚本与样式。
解决什么问题
把网页喂给 AI 之前，你拿到的是一整页 HTML：菜单、广告、cookie 提示、相关推荐全都混在正文里。 直接丢给模型，既浪费 token，又污染结果。这个工具只留正文。
输出字段
| 字段 | 说明 |
|---|---|
url | 页面地址 |
title | 页面标题 |
markdown | 干净的正文 Markdown |
chars | 正文字符数 |
truncated | 是否因超长被截断 |
stats | 质量指标：块数、字符数、段落数、标点数的原始统计 |
fetchedAt | 抓取时间 |
在 Apify 控制台 Export 可导出 JSON / CSV。
还原能力
- 标题层级 →
###### - 列表 →
-（支持缩进层级） - 代码块 → 三反引号围栏
- 引用 →
> - 链接 →
[文字](绝对地址)（相对地址自动补全） - 图片 →
（可选）
会主动丢弃：<script> <style> <nav> <footer> <aside> <form> <iframe> <button> 与 HTML 注释、<head> 内容。
典型用途
- RAG / 知识库：先把网页洗成 Markdown 再切片入库，检索质量明显更好
- AI 摘要与翻译：去掉噪声再喂模型，省 token 也更准
- 语料清洗：批量把网页转成训练/微调语料
- 存档：把网页正文存成可读、可版本管理的纯文本
输入参数
| 参数 | 默认 | 说明 |
|---|---|---|
urls | — | 要转换的网页，支持多个 |
includeLinks | 开 | 保留超链接 |
includeImages | 关 | 保留图片 |
maxChars | 100000 | 单页输出上限 |
计费
按成功转换的页面数计费（page-converted 事件）。抓取失败的页面不计费。
已知限制（请先读这段再评估是否适用）
做的好的：常规文章页、文档页、博客页。实测：
docs.python.org教程页 → 20415 字符，开头就是正文（"In the following examples..."）gnu.org哲学文章 → 从 34K 降到 29K，页头/语言选择器/站点导航被切掉- 合成测试页 → 标题层级、列表、代码块、引用、链接全部正确还原
做不好的（诚实说明，避免误用）：
- 极短页面的目录切不干净。 当页面正文与导航体量接近时（例如 PEP 页这种一屏短文）， 开头的 "Table of Contents" 可能残留。原因：正文判定靠"文本密度 vs 链接占比"， 导航和正文一样大时无法可靠区分。
- 完全依赖前端 JS 渲染的页面（单页应用） 拿到的 HTML 里没有正文，结果会偏空—— 这类页面需要浏览器渲染型抓取器。
- 正文内部嵌的复杂组件（评分卡、相关推荐、评论区）可能残留一部分。
- 不做 OCR；表格保留为文本行，不还原成 Markdown 表格。
如果你要处理的是大批量同类页面，建议先用少量样本跑一遍看效果，再决定是否批量。
