HTML 转 Markdown

接口标识: html2md 价格: 0.008 元/次同步响应

接口介绍
接口文档
在线测试

接口简介

HTML 转 Markdown 接口把网页源码或指定公网网址的页面转换为结构化 Markdown 文本，HTML 单次最大 2MB。提供两种模式：正文提取模式自动剥离导航、广告等噪声只保留文章主体，全量转换模式保留完整页面结构；同时返回页面标题与中英混合字数统计，网址抓取带内网地址拦截与 10 秒超时保护。适合知识库归档、内容采集清洗、文档迁移与语料预处理等场景，本地解析秒级同步返回。

详细介绍

![HTML 转 Markdown接口封面](https://fujian.phpwc.com/pyapi/uploads/site/20261111/apiops_html2md__1794363329_9d5b6afd873d.png)

网页里导航、广告、推荐位和正文混在一起，采集回来不清洗根本没法用。HTML 转 Markdown 接口一次调用把网页变成干净的 Markdown 文稿。

## 接口概述
面向知识库归档、内容采集清洗、文档迁移与语料预处理等场景，可直接传入 HTML 源码，或传入公网网页地址由接口代为抓取（超时 10 秒，内网与保留地址一律拒绝），再按所选模式完成转换：正文提取模式自动剥离导航、广告与侧栏等噪声只保留文章主体，全量转换模式保留页面完整结构并转为 Markdown 语法。转换结果连同页面标题与中英混合字数统计一并同步返回，HTML 单次最大 2MB。

## 核心能力
1. **两种模式**：extract 提取正文去噪，full 全量结构转换，按场景一个参数选择。
2. **两种输入**：直接传 HTML 源码，或传公网 URL 由接口抓取页面。
3. **安全抓取**：URL 抓取内置 SSRF 防护，内网与保留地址直接拒绝。
4. **附带统计**：同时返回页面标题与中英混合字数，便于归档与内容评估。
5. **规范输出**：标题、列表、链接等页面结构转换为标准 Markdown 语法。

## 产品优势
1. **接入简单**：单次 POST 传源码或网址即得结果，无需自建抓取与解析组件。
2. **响应迅速**：本地解析转换，秒级同步返回。
3. **干净可用**：提取模式产出的正文无导航广告噪声，可直接入库检索。
4. **稳定可靠**：解析转换全部本地完成，不依赖第三方转换服务。
5. **降本增效**：省去自维护清洗规则与格式转换代码的长期成本。

## 效果展示
一句话理解：它就像一位报刊编辑，把整版网页剪掉广告和栏目框，只留下文章正文，再重新排成干净的电子稿。

以一次真实调用为例，你要传的参数：

| 参数 | 本次示例值 | 说明 |
|------|-----------|------|
| url | https://example.com/blog/projector.html | 目标网页地址，与 content 二选一，仅限公网地址 |
| mode | extract | extract 提取正文去噪，full 全量结构转换，默认 extract |

你会拿到的结果：

| 返回内容 | 本次示例值 | 对应字段 |
|---------|-----------|---------|
| 所用模式 | extract | `mode` |
| 页面标题 | 家用投影仪怎么挑 | `title` |
| Markdown 正文 | # 家用投影仪怎么挑\n\n选购投影仪先看分辨率与亮度，再对照投射比计算画面尺寸。 | `markdown`，转换后的全文 |
| 字数统计 | 33 | `word_count`，中文按字、英文按词计数 |

API请求示例：

```text
POST /api/html2md
url=https://example.com/blog/projector.html&mode=extract
```

API响应示例：

```json
{
  "code": 0,
  "desc": "成功",
  "data": {
    "mode": "extract",
    "title": "家用投影仪怎么挑",
    "markdown": "# 家用投影仪怎么挑\n\n选购投影仪先看分辨率与亮度，再对照投射比计算画面尺寸。",
    "word_count": 33
  },
  "request_id": "html2md-demo-0001"
}
```

提取后的正文不再包含导航与推荐位，标题与字数随结果一并返回，归档系统可以直接落库建索引。

## 应用场景
1. **知识库归档**：把网页文章统一转成 Markdown 入库，便于检索、引用与版本管理。
2. **内容采集**：采集页面后先清洗成干净正文，再进入编辑与分发流程。
3. **文档迁移**：旧站 HTML 内容批量迁移到新的 Markdown 文档系统。
4. **语料预处理**：网页文本转成规整结构，供文本分析与搜索索引构建使用。
5. **阅读工具**：稍后读与阅读器应用把网页转成纯净排版提升阅读体验。

## 应用案例
一款知识管理工具支持用户一键收藏网页，此前收藏内容夹带大量导航与广告，用户投诉不断；改用接口的正文提取模式后，收藏结果只剩标题与正文，归档质量明显提升。

一个技术文档团队要把多年积累的 HTML 帮助页迁移到新的 Markdown 文档站，手工转换又慢又容易丢格式；用接口的全量模式批量转换再人工微调，迁移工作提前数周完成。

一家内容运营团队每天监测数家行业网站的更新，原先靠人工逐篇复制入库；现在系统定时抓取并转成 Markdown，标题与字数直接落到选题表，晨会选题效率翻倍。

常见问题

Q：extract 和 full 两种模式怎么选？

A：要文章正文（如归档、采集、做语料）用 extract，它会自动去掉导航、广告与侧栏噪声；要保留页面完整结构（如文档迁移）用 full，标题、列表、链接等都会转成对应的 Markdown 语法。

Q：传 url 抓取网页有什么限制？

A：仅支持公网可访问的地址，内网与保留地址会被安全策略直接拒绝；抓取超时为 10 秒，目标页面返回非 200 状态时接口返回参数错误（code=40002）。

Q：content 和 url 同时传了会怎样？

A：接口以 url 优先，会抓取该网页进行转换，content 不再参与。两者都不传时返回参数错误提示需提供其一。

HTML Markdown 网页转换正文提取格式转换网页采集

接口地址： https://www.phpwc.cn/api/html2md

请求方式： POST

业务请求参数

参数名	类型	必填	默认值	说明
`content`	string	选填	-	HTML 源码，≤2MB（与 url 二选一）
`url`	string	选填	-	目标网页 URL，本地抓取超时 10 秒，禁止内网/私有 IP（与 content 二选一）
`mode`	string	选填	`extract`	模式：full 全量转换/extract 正文提取，默认 extract

查看签名算法查看调用示例

响应参数

字段名	类型	说明
`code`	int	状态码，0=成功
`desc`	string	状态描述
`data`−	object	业务数据（成功时返回）
`mode`	string	所用模式
`title`	string	页面标题
`markdown`	string	转换后的 Markdown
`word_count`	int	正文字数（中文字+英文词）
`request_id`	string	请求追踪ID

JSON 示例：

调用成功：

{
  "code": 0,
  "desc": "success",
  "data": { ... },
  "request_id": "abc123..."
}

调用失败：

{
  "code": 999,
  "desc": "错误描述",
  "request_id": "abc123..."
}

请先登录后使用在线测试