Convierte HTML y páginas web guardadas a Markdown en Windows

Para guardar una página web como Markdown, guárdala en Chrome o Edge con Ctrl+S como «Página web, completa» y después añade el archivo HTML a MD Factory. La aplicación convierte la página en tu PC y guarda junto a ella un archivo Markdown con las imágenes de la página.

Esta guía es para páginas que guardas para ti: artículos, documentación, recetas, páginas de consulta. Si necesitas convertir HTML en un script o en una compilación, pasa a la última sección.

Tres diseños de páginas web impresos, con bloques grises y líneas, junto a un portátil cerrado. — Una página guardada se convierte en una nota que puedes editar como texto sin formato.

Guardar la página en Chrome o Edge

En Chrome, pulsa Ctrl+S, o abre el menú Más, elige «Enviar, guardar y compartir» y después «Guardar página como». Los pasos están en la Ayuda de Chrome.

En Edge, pulsa Ctrl+S. El atajo aparece en los atajos de teclado de Edge.

En la lista «Tipo», elige «Página web, completa». Ambos navegadores ofrecen tres formatos, y MD Factory los trata de forma distinta:

Tipo	Qué guarda el navegador	Qué obtienes en MD Factory
Página web, completa	Un archivo HTML y una carpeta con el mismo nombre que termina en _files, donde están las imágenes	Texto e imágenes
Página web, solo HTML	Solo el archivo HTML; las imágenes se quedan en el sitio web	Texto sin imágenes, marcado como Necesita revisión
Página web, archivo único	Un archivo MHTML	Nada: MD Factory no abre archivos MHTML y los muestra como omitidos

Convertir la página guardada

Abre MD Factory.
Haz clic en Añadir archivos y elige el archivo HTML guardado, o arrástralo a la ventana.
La conversión empieza de inmediato. Cuando la fila muestre el resultado, haz doble clic en la ruta del resultado para abrir el archivo Markdown.

Añade el archivo HTML y no la carpeta donde está. Si añades la carpeta, MD Factory también recorre la carpeta _files: sus scripts, hojas de estilo e imágenes se muestran como omitidos, y los archivos HTML que haya dentro se convierten en notas aparte.

El archivo Markdown recibe el nombre de la página y se guarda junto a ella. Las imágenes que usa van a una carpeta a su lado:

Saved pages/
  Sourdough bread.html
  Sourdough bread_files/
  Sourdough bread.md
  Sourdough bread_images/

La página guardada y su carpeta _files se quedan como estaban. Si mueves el archivo Markdown, mueve con él su carpeta _images: el Markdown enlaza a las imágenes de esa carpeta.

Qué pasa a Markdown

En la página	En el Markdown
Encabezados	Encabezados del mismo nivel
Párrafos, listas y citas	Se conservan, con el texto en negrita y cursiva
Bloques de código y código en línea	Se conservan como código
Tablas	Tablas Markdown
Imágenes guardadas con la página	Se copian a la carpeta de imágenes como archivos PNG
Enlaces	Se conservan, como se explica más abajo
Scripts, estilos y marcos incrustados, como los reproductores de vídeo de otros sitios	Se eliminan
Menús del sitio, encabezados, pies de página, barras laterales y avisos de cookies	Se conservan como texto y enlaces normales
El título de la pestaña del navegador	No se incluye

Si una tabla tiene celdas de encabezado, su primera fila se convierte en el encabezado de la tabla Markdown. Si no, la aplicación añade encabezados de columna numerados. Las celdas combinadas se reparten por la cuadrícula: el valor se queda en la primera celda y las celdas que cubría quedan vacías.

Qué imágenes se conservan

MD Factory nunca descarga nada de internet. Una imagen llega al Markdown solo si su archivo está en tu PC:

las imágenes de la carpeta _files que crea «Página web, completa»;
las imágenes de otras carpetas alrededor de la página, incluidas las carpetas superiores;
las imágenes incrustadas en el propio código HTML.

Una imagen que existe solo en el sitio web se omite, y el archivo se marca como Necesita revisión. Las imágenes SVG no son compatibles y también se omiten.

Cómo se tratan los enlaces

Las direcciones web completas, los enlaces de correo y los enlaces de teléfono se quedan exactamente como están.
Los enlaces relativos, como un enlace a otra página del mismo sitio, se convierten en direcciones web completas si la página guardada registra su dirección original. Si no, se quedan como están y solo funcionan si el archivo enlazado está en el mismo lugar respecto al archivo Markdown.
Los enlaces a una sección de la misma página siguen funcionando, porque las secciones conservan sus anclas en el Markdown.
Los enlaces que ejecutan un script al hacer clic, los que empiezan por javascript:, se convierten en texto sin formato.

Limpiar la nota

MD Factory convierte todo el cuerpo de la página. No intenta adivinar qué parte es el artículo, así que espera el menú del sitio arriba y el pie de página, los enlaces relacionados y el aviso de cookies abajo. Borra lo que no necesites.

El título de la pestaña del navegador no se incluye. Si falta el encabezado propio del artículo, añade uno al principio.

Añade la dirección de la página y la fecha en que la guardaste como primera línea de la nota. Así podrás encontrar el original más tarde y citarlo.

Si guardas tus notas en Obsidian, nuestra guía para importar documentos a Obsidian explica cómo convertir archivos en una bóveda y mantener enlazadas sus imágenes.

Si la página recibe Necesita revisión

Necesita revisión significa que el archivo Markdown se guardó, pero algo de la página no pasó. Cuando la cola termine, haz clic en el estado en la fila del archivo para ver el mensaje.

Mensaje	Causa habitual
Se omitió una imagen o recurso externo.	Una imagen está solo en el sitio web, por ejemplo tras guardar como «Página web, solo HTML».
No se pudo exportar una imagen.	La página apunta a un archivo de imagen que falta en la carpeta.
No se admite un formato de imagen.	La imagen tiene un formato que la aplicación no puede convertir, como SVG.
Parte del contenido del documento no se pudo representar en Markdown.	La página tenía un marco incrustado, como un reproductor de vídeo de otro sitio, y se eliminó.
No se pudo conservar un destino de enlace local.	Un enlace a otra página del sitio no se pudo asociar con una dirección web ni con un archivo guardado. Se conserva su texto sin el enlace.
Se infirió la codificación del texto. Verifique los caracteres especiales.	La página no está guardada en UTF-8, así que la aplicación tuvo que deducir su codificación. Revisa las letras con tilde y los símbolos.

Convertir HTML desde código

Si necesitas convertir HTML a Markdown en un script, un paso de compilación o un scraper, MD Factory no es la herramienta adecuada: funciona desde su ventana, sin línea de comandos ni interfaz de programación. Usa una biblioteca. Turndown convierte HTML a Markdown en JavaScript, en Node.js o en el navegador, con licencia MIT. html2text hace lo mismo en Python, con licencia GPL-3.0. Pandoc es un conversor de línea de comandos entre muchos formatos de documento, entre ellos HTML y Markdown. Con cualquiera de ellos, tú defines las reglas de conversión y te ocupas de las imágenes y los enlaces.

pandoc -f html -t gfm page.html -o page.md