html-to-markdown
Conversor de HTML para Markdown de alto desempenho e compatível com CommonMark.
Converta HTML real e malformado em CommonMark limpo em 16 linguagens de programação diferentes.
Esta ferramenta transforma tags não fechadas, entidades malformadas e tabelas aninhadas em CommonMark ou Djot limpos. É ideal para desenvolvedores que constroem pipelines de dados ou sistemas RAG que ingerem conteúdo web bruto.
O que é
Utiliza uma arquitetura de despacho em camadas combinando scanners de bytes, percorrimento de DOM e reparo com html5ever para processar HTML do mundo real a 19 a 116 MB/s. Além da conversão de texto, extrai metadados estruturados como Open Graph, Twitter cards e JSON-LD em uma única passada.
Para quem
É ideal para engenheiros de software e profissionais de dados que processam grandes volumes de páginas web em diversos ambientes de execução. Não é adequado para usuários finais que buscam um aplicativo gráfico de desktop ou um serviço de web clipping sem código.
Recursos principais
Bindings para 16 Linguagens
Chame o núcleo em Rust diretamente de Python, Node.js, Go, Java, PHP e outras 11 linguagens.
Reparo de HTML em Camadas
Lida automaticamente com tags não fechadas, CDATA e entidades quebradas sem perder conteúdo.
Extração de Metadados
Extrai metadados Open Graph, Twitter e JSON-LD durante a etapa de conversión.
Suporte a Saída Djot
Alterne a formatação da saída de CommonMark padrão para Djot através de configuração.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Fornece saída idêntica em nível debytes em 16 bindings de linguagem diferentes usando um único núcleo em Rust
- Extrai metadados estruturados de páginas e tabelas simultaneamente com a conversão de texto
- Processa grandes volumes em velocidades entre 19 e 116 MB/s
- Inclui habilidades de agentes e plugins para assistentes de programação de IA como Claude Code e Cursor
Onde deixa a desejar
- Alguns bindings de linguagem exigem etapas específicas de instalação nativa, como PIE para PHP
- Exige a integração de dependências de pacotes na sua base de código existente
- Oferece uma API programática em vez de uma interface gráfica pronta para uso
Preços & licença
Gratuito sob sua licença open source, sendo o único custo os seus próprios recursos de computação.
Vagas para quem fala português
879 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Use, ou deixe que a gente configure
FAQ
Quais formatos de saída são suportados?
Ele gera Markdown compatível com CommonMark por padrão, com a opção de emitir o formato Djot.
Como ele lida com HTML malformado?
Ele usa um sistema de despacho em camadas com scanner de bytes, percorrimento de DOM e reparo html5ever para lidar com tags não fechadas e codificações mistas automaticamente.
