html-to-markdown
Convertidor de HTML a Markdown de alto rendimiento y compatible con CommonMark.
Parsea HTML real y desordenado en CommonMark limpio en 16 lenguajes de programación diferentes.
Esta herramienta transforma etiquetas sin cerrar, entidades mal formadas y tablas anidadas en CommonMark o Djot limpios. Es ideal para desarrolladores que construyen canalizaciones de datos o sistemas RAG que ingieren contenido web sin procesar.
Qué es
Utiliza una arquitectura de envío por niveles que combina escáneres de bytes, recorredores de DOM y la reparación de html5ever para procesar HTML real a velocidades de 19 a 116 MB/s. Además de la conversión de texto, extrae metadatos estructurados como Open Graph, tarjetas de Twitter y JSON-LD en una sola pasada.
Para quién
Está dirigido a ingenieros de software y profesionales de datos que procesan grandes volúmenes de páginas web en diversos entornos de ejecución de lenguajes. No es adecuado para usuarios finales que buscan una aplicación de escritorio gráfica o un servicio de recorte web sin código.
Funciones clave
Bindings para 16 lenguajes
Llama al núcleo de Rust directamente desde Python, Node.js, Go, Java, PHP y otros 11 lenguajes.
Reparación de HTML por niveles
Gestiona automáticamente etiquetas sin cerrar, CDATA y entidades rotas sin perder contenido.
Extracción de metadatos
Extrae metadatos de Open Graph, Twitter y JSON-LD durante la pasada de conversión.
Soporte de salida Djot
Cambia el formato de salida de CommonMark estándar a Djot mediante configuración.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Ofrece una salida con bytes idénticos en 16 bindings de lenguajes diferentes utilizando un único núcleo de Rust
- Extrae metadatos estructurados de páginas y tablas simultáneamente con la conversión de texto
- Procesa grandes corpus a velocidades de entre 19 y 116 MB/s
- Incluye habilidades de agentes y plugins para asistentes de programación de IA como Claude Code y Cursor
Sus límites
- Algunos bindings de lenguajes requieren pasos de instalación nativos específicos como PIE para PHP
- Requiere integrar dependencias de paquetes en tu base de código existente
- Ofrece una API programática en lugar de una interfaz gráfica de usuario lista para usar
Precios y licencia
Gratis bajo su licencia open source, siendo el único coste el de tus propios recursos de computación.
Empleos para hispanohablantes
879 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Úsalo, o deja que lo configuremos
FAQ
¿Qué formatos de salida soporta?
Genera Markdown compatible con CommonMark por defecto, con la opción de emitir formato Djot en su lugar.
¿Cómo maneja el HTML mal formado?
Utiliza un sistema de envío por niveles que incluye un escáner de bytes, un recorredor de DOM y la reparación de html5ever para manejar automáticamente etiquetas sin cerrar y codificaciones mixtas.
