（3956期）HTML Markdown – 智能 HTML 转 Markdown 文档清洗工具

智能 HTML 转 Markdown 文档清洗工具 基于 MinerU 开源工具，将本地 HTML 文件或在线网页转换为结构化 Markdown，支持 JavaScript 动态渲染，需 API Token 认证。 使用说明 核心用法 html-markdown 是一个封装了 MinerU 开源能力的 CLI 工具，提供两条主要命令路径： extract：处理本地 .html 文件或远程 HTML URL，直接解析静态 HTML 结构并输出 Markdown crawl：针对需要 JavaScript 渲染的动态网页（如 SPA、懒加载内容），提供完整的浏览器级抓取能力 用户需先通过 mineru-open-api auth 配置 Token，或通过环境变量 MINERU_TOKEN 注入。支持语言参数 --language（默认中文 ch，英文场景用 en）。输出默认流向 stdout，可用 -o 指定目录保存文件。 显著优点 开源背书：MinerU 由上海人工智能实验室（OpenDataLab）开源维护，技术栈透明，社区活跃度较高 动态渲染支持：crawl 模式可处理现代 Web 应用的 JS 依赖内容，优于传统静态 HTML 解析器 格式保真度：专为文档场景优化，能较好保留标题层级、列表、表格等结构 双语优化：内置中英文语言提示，对中文文档排版友好 潜在缺点与局限性 Token 强制依赖：所有 HTML 相关功能均需 API Token，无法离线使用，存在服务可用性依赖 非本地优先：flash-extract 模式不支持 HTML，意味着无法零配置快速体验 Token 获取门槛：需注册 https://mineru.net 并手动创建 Token，流程较繁琐 平台限制：Go 安装方式仅支持 macOS/Linux，Windows 用户需依赖 npm 适合人群 需要批量将网页/电子书 HTML 转为 Markdown 的知识管理用户 构建 RAG/LLM 知识库的开发者，需清洗结构化网页内容 技术写作者处理在线文档、API 文档等场景 常规风险 Token 泄露风险：MINERU_TOKEN 若写入 shell history 或误提交代码，可能导致配额被盗用 服务连续性：MinerU 云服务若调整策略或限流，可能影响工作流 隐私合规：通过 crawl 抓取第三方网站时，需遵守目标站点的 robots.txt 及版权政策 输出质量波动：复杂 CSS 布局或嵌套表格的解析效果可能不及预期，需人工校验 原始说明 Convert HTML to Markdown using MinerU's document processing engine. Transforms HTML pages and files into clean, readable Markdown format. Features: HTML to M...