Scripts, estilos e mídia incorporada são removidos; tags desconhecidas mantêm o texto. Tabelas viram tabelas GFM.

Levar um post de blog para um README, uma página de documentação para uma wiki ou um artigo da web para suas anotações significa se livrar do HTML sem perder a estrutura. Este conversor analisa a marcação como um navegador faz e escreve o Markdown equivalente — títulos continuam títulos, listas aninhadas continuam aninhadas, tabelas continuam tabelas — enquanto scripts, estilos e pixels de rastreamento desaparecem.

Passos

1. 1 Cole o HTML — uma página inteira ou um trecho — na caixa de cima. Na maioria dos navegadores, clique com o botão direito na página e escolha Exibir código-fonte para copiá-lo.
2. 2 Leia o Markdown abaixo; ele se atualiza enquanto você digita. Listas aninhadas, blocos de código com linguagem e tabelas com alinhamento são preservados.
3. 3 Copie o resultado ou baixe como arquivo .md.

O que vira o quê

Os títulos h1 a h6 viram títulos com cerquilha; p vira parágrafo, br quebra de linha forçada e hr uma régua. strong e b viram asteriscos duplos, em e i asteriscos simples, del e s tils duplos; code vira acentos graves e pre um bloco cercado que mantém a classe de linguagem como rótulo. Links viram [texto](url), imagens ; ul e ol viram listas com traço e numeradas aninhadas com dois espaços; blockquote vira linhas com o sinal de maior; table vira uma tabela GFM com alinhamento tirado dos atributos align ou dos estilos text-align.

Por que trabalha no DOM, não no texto

Expressões regulares não lidam com HTML de forma confiável: tags se aninham, atributos contêm sinais de maior e menor dentro de strings, e páginas reais raramente são bem formadas. O conversor entrega o HTML ao parser do próprio navegador, que repara tags não fechadas e mal aninhadas exatamente como faria ao renderizar, e então percorre a árvore resultante. É por isso que um link dentro de negrito dentro de um item de lista sai certo.

O que é removido e o que fica

script, style, head, noscript, template, iframe, object, embed, svg, canvas, video e audio são removidos com seu conteúdo — nenhum tem equivalente em Markdown e a maioria é ruído. Todo o resto que não é reconhecido mantém o texto: um elemento personalizado, um span ou um div é tratado como contêiner e seus filhos são convertidos. A formatação em linha dentro de tags desconhecidas, portanto, sobrevive.

Escape e saída limpa

Caracteres que mudariam o significado em Markdown — asteriscos, sublinhados, acentos graves, barras invertidas e uma cerquilha ou traço no início da linha — são escapados no texto para que converter o Markdown de volta em HTML dê o mesmo resultado. Espaços em branco são colapsados como um navegador faria, exceto dentro de pre. Linhas em branco são reduzidas a uma entre blocos.