HTML a Markdown

¿Para qué HTML a Markdown?

HTML es el formato fuente de la web y, muy a menudo, la forma en la que encuentras el texto: un boletín que solo se puede buscar como fuente HTML; una copia de notas de Evernote o OneNote; un artículo extraído de la web; una exportación de un CMS. Markdown es el formato en el que guardas ese texto a largo plazo, comparable mediante diff, en texto plano, legible en un editor, y entendido por Obsidian y Logseq.

Esta herramienta toma un fichero HTML o código pegado, no una dirección web. Escribe GitHub Flavored Markdown con encabezados del contenido, listas, tablas sencillas y las marcas en línea que Markdown puede llevar. La maquetación CSS y los scripts no se ejecutan.

¿Cómo funciona técnicamente la conversión?

El código se lee en el navegador, sin montar la página como lo haría una pestaña y sin ejecutar scripts. Se quitan siempre script, style, noscript, iframe, los enlaces a hojas de estilo, object y embed. Se quitan los atributos que empiezan por on, y javascript: en href o src. Los enlaces normales y las direcciones de imagen se quedan.

Los encabezados son h1 a h6 del contenido, no el título del documento en head. Párrafos, listas y enlaces se convierten. <em> pasa a cursiva. Las tablas sencillas pasan a tablas con pipes. Una tabla sin encabezado recibe una fila de encabezado vacía sobre los datos. colspan y rowspan no producen un aviso. El resultado puede salir torcido: revísalo.

Las imágenes pasan a referencias. La referencia se queda, y el fichero de imagen no va incrustado en el Markdown. Un motor que muestre el Markdown más tarde puede cargar la dirección de la imagen. Un interruptor pone un encabezado YAML delante, activado de serie. La conversión empieza al pulsar el botón. Después ves el código Markdown en un bloque, no la página renderizada. Lo copias o descargas un archivo .md.

¿Para qué se usa la herramienta?

• Archivar boletines de correo electrónico. Los boletines en formato HTML pasan como Markdown a la bóveda de Obsidian.
• Preparar contenido web para indicaciones de IA. Un artículo largo pasa a Markdown que cabe en la indicación de Claude o GPT.
• Migración de notas desde Evernote / OneNote. Las exportaciones de notas en HTML aterrizan como ficheros .md en el nuevo sistema de notas.
• Migración de blog a Hugo / Astro. Las entradas existentes en HTML pasan a entradas Markdown con frontmatter que entienden los generadores de sitios estáticos.
• Contenido wiki desde exportaciones de Confluence. Las exportaciones HTML de Confluence/SharePoint pasan a páginas Markdown para alternativas a Notion.

¿Qué se preserva?

Sigue ahí: encabezados h1 a h6 del contenido, párrafos, listas, enlaces con su texto, tablas sencillas, negrita y cursiva, código en línea, citas y referencias de imagen con la dirección original.

Siempre fuera: script, style, noscript, iframe, enlaces de hoja de estilo, object, embed, atributos on y javascript: en href o src. Eso describe la limpieza.

No es 1:1: tablas con colspan o rowspan, sin bloque de aviso. La maquetación CSS, el título del documento y el contenido que solo crearía un script. No se promete una indicación de lenguaje en los bloques de código.

Privacidad: todo se queda en la pestaña del navegador

Una exportación HTML de una aplicación de notas, o un boletín, puede contener más de lo que quieres pasar. El fichero o el código pegado se convierte en el navegador y no se sube. Nada de eso se guarda en un servidor ajeno.

¿Qué convertidores relacionados hay?

Esta herramienta es parte de la familia de convertidores Markdown:

• DOCX a Markdown, documentos Word con estructura de encabezados y listas.
• PDF a Markdown, también PDF escaneados vía OCR.
• CSV a Markdown, también TSV, con coma, punto y coma y tabulador.
• XLSX a Markdown: Excel, incluidos XLS y ODS, con soporte multihoja.