在 Windows 上将 HTML 和保存的网页转为 Markdown

要将网页保存为 Markdown，请在 Chrome 或 Edge 中按 Ctrl+S，保存类型选择“网页，全部”，然后将 HTML 文件添加到 MD Factory。应用会在你的电脑上转换该网页，并保存一个 Markdown 文件，网页中的图片就放在它旁边。

本指南适用于你自己留存的网页：文章、文档、菜谱、参考页面。如果需要在脚本或构建流程中转换 HTML，请直接跳到最后一节。

三张打印的网页版面，带有灰色色块和线条，旁边是一台合上的笔记本电脑。 — 保存的网页会变成可以当作纯文本编辑的笔记。

在 Chrome 或 Edge 中保存网页

在 Chrome 中按 Ctrl+S，或打开“更多”菜单，依次选择“投放、保存和分享”、“将页面另存为”。具体步骤见 Chrome 帮助.

在 Edge 中按 Ctrl+S。该快捷键列在 Edge 键盘快捷方式.

中。在“保存类型”列表中选择“网页，全部”。两种浏览器都提供三种格式，MD Factory 对它们的处理各不相同：

保存类型	浏览器保存的内容	在 MD Factory 中得到的结果
网页，全部	一个 HTML 文件，以及一个同名并以 _files 结尾的文件夹，其中存放图片	文字和图片
网页，仅 HTML	只有 HTML 文件；图片仍留在网站上	只有文字，没有图片，并标记为需要检查
网页，单个文件	一个 MHTML 文件	无：MD Factory 不打开 MHTML 文件，会将其列为已跳过

转换保存的网页

打开 MD Factory。
点击添加文件，选择保存的 HTML 文件，或将它拖到窗口中。
转换会立即开始。当该文件所在行显示结果后，双击结果路径即可打开 Markdown 文件。

请添加 HTML 文件，而不是它所在的文件夹。如果添加文件夹，MD Factory 也会处理 _files 文件夹：其中的脚本、样式表和图片会显示为已跳过，里面的任何 HTML 文件则会作为单独的笔记转换。

Markdown 文件沿用网页的名称，并保存在网页旁边。其中用到的图片会放在旁边的一个文件夹里：

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

保存的网页及其 _files 文件夹保持原样。如果移动 Markdown 文件，请把它的 _images 文件夹一起移动：Markdown 会链接到该文件夹中的图片。

哪些内容会保留到 Markdown 中

网页上	Markdown 中
标题	同级标题
段落、列表和引用	保留，包括粗体和斜体文字
代码块和行内代码	保留为代码
表格	Markdown 表格
随网页保存的图片	以 PNG 文件复制到图片文件夹
链接	保留，处理方式见下文
脚本、样式和嵌入框架，例如来自其他网站的视频播放器	移除
网站菜单、页眉、页脚、侧边栏和 Cookie 提示	保留为普通文字和链接
浏览器标签页中的标题	不包含

如果表格有表头单元格，其第一行会成为 Markdown 表格的表头。否则，应用会添加带编号的列标题。合并单元格会铺开到整个网格中：值保留在第一个单元格，被它覆盖的其他单元格为空。

哪些图片会保留

MD Factory 从不从互联网下载任何内容。只有文件在你的电脑上的图片才会进入 Markdown：

“网页，全部”创建的 _files 文件夹中的图片；
网页周围其他文件夹中的图片，包括上级文件夹；
嵌入在 HTML 代码本身中的图片。

仅存在于网站上的图片会被省略，文件会被标记为需要检查。SVG 图片不受支持，同样会被省略。

链接如何处理

完整的网址、电子邮件链接和电话链接保持原样。
相对链接，例如指向同一网站其他页面的链接，如果保存的网页记录了其原始地址，就会变成完整的网址。否则它们保持原样，只有当被链接的文件相对于 Markdown 文件的位置不变时才能使用。
指向同一网页中某个部分的链接仍然有效，因为这些部分在 Markdown 中保留了锚点。
点击时运行脚本的链接，即以 javascript: 开头的链接，会变成纯文本。

整理笔记

MD Factory 会转换网页的整个正文。它不会猜测哪一部分是文章，因此顶部会有网站菜单，底部会有页脚、相关链接和 Cookie 提示。请删除不需要的内容。

浏览器标签页中的标题不会包含在内。如果文章本身缺少标题，请在顶部添加一个。

将网页的地址和保存日期写在笔记的第一行。这样以后可以找到原文，引用时也能注明出处。

如果你在 Obsidian 中记笔记，我们的将文档导入 Obsidian 的指南介绍了如何把文件转换后放进库中，并保持图片的链接。

如果网页被标记为需要检查

需要检查表示 Markdown 文件已保存，但网页上有些内容没有转换过来。队列处理完毕后，点击该文件所在行中的状态即可查看提示信息。

提示信息	常见原因
外部图像或资源被跳过。	图片只在网站上，例如以“网页，仅 HTML”保存之后。
无法导出图像。	网页指向的图片文件在文件夹中不存在。
不支持图像格式。	图片的格式应用无法转换，例如 SVG。
某些文档内容无法用Markdown表示。	网页中有嵌入框架，例如来自其他网站的视频播放器，它已被移除。
无法保留本地链接目标。	指向本网站其他页面的链接无法对应到网址或已保存的文件。链接文字会保留，但不带链接。
推断出文本编码。检查特殊字符。	网页不是以 UTF-8 保存的，因此应用需要推断其编码。请检查带重音符号的字母和符号。

在代码中转换 HTML

如果需要在脚本、构建步骤或爬虫中将 HTML 转为 Markdown，MD Factory 并不合适：它通过窗口操作，没有命令行或编程接口。请改用库。 Turndown 可在 JavaScript 中把 HTML 转为 Markdown，可用于 Node.js 或浏览器，采用 MIT 许可证。 html2text 在 Python 中实现同样的功能，采用 GPL-3.0 许可证。 Pandoc 是一款命令行转换器，可在多种文档格式之间转换，包括 HTML 和 Markdown。无论使用哪一个，转换规则以及图片和链接的处理都需要你自己来设置。

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