html-to-markdown
Convertisseur HTML en Markdown haute performance et compatible CommonMark.
Analysez du HTML brut et complexe pour le transformer en un CommonMark propre dans 16 langages de programmation différents.
Cet outil transforme les balises non fermées, les entités mal formées et les tableaux imbriqués en un CommonMark ou Djot propre. Il convient aux développeurs qui créent des pipelines de données ou des systèmes RAG ingérant du contenu web brut.
Qu'est-ce que c'est
Il utilise une architecture de répartition à plusieurs niveaux combinant des analyseurs d'octets, des parcours de DOM et la correction d'html5ever pour traiter du HTML réel à des vitesses de 19 à 116 Mo/s. En plus de la conversion de texte, il extrait des métadonnées structurées telles qu'Open Graph, les cartes Twitter et JSON-LD en un seul passage.
Pour qui
Il s'adresse aux ingénieurs logiciels et aux professionnels des données traitant de grands volumes de pages web à travers divers environnements d'exécution de langage. Il ne convient pas aux utilisateurs finaux recherchant une application de bureau graphique ou un service de web clipping sans code.
Fonctionnalités clés
16 liaisons de langages
Appelez le cœur Rust directement depuis Python, Node.js, Go, Java, PHP et 11 autres langages.
Réparation HTML à niveaux
Gère automatiquement les balises non fermées, CDATA et les entités corrompues sans perte de contenu.
Extraction de métadonnées
Extrait les métadonnées Open Graph, Twitter et JSON-LD lors de la passe de conversion.
Prise en charge de la sortie Djot
Basculez le format de sortie du CommonMark standard vers Djot via la configuration.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- Fournit une sortie identique au niveau des octets sur 16 liaisons de langages différentes en utilisant un unique cœur Rust
- Extrait simultanément les métadonnées de page structurées et les tableaux avec la conversion de texte
- Traite de grands corpus à des vitesses comprises entre 19 et 116 Mo/s
- Comprend des compétences d'agent et des plugins pour les assistants de code IA comme Claude Code et Cursor
Ses limites
- Certaines liaisons de langages nécessitent des étapes d'installation natives spécifiques comme PIE pour PHP
- Nécessite l'intégration de dépendances de paquets dans votre base de code existante
- Offre une API programmatique plutôt qu'une interface utilisateur graphique prête à l'emploi
Tarifs & licence
Gratuit sous sa licence open source, le seul coût étant vos propres ressources de calcul.
Missions pour francophones
879 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Utilisez-le, ou laissez-nous l'installer
FAQ
Quels formats de sortie prend-il en charge ?
Il produit par défaut du Markdown compatible CommonMark, avec une option pour émettre le format Djot à la place.
Comment gère-t-il le HTML mal formé ?
Il utilise un système de répartition à plusieurs niveaux comprenant un analyseur d'octets, un parcours de DOM et la correction d'html5ever pour gérer automatiquement les balises non fermées et les encodages mixtes.
