HTML转Markdown方法大全：工具、脚本与VSCode插件

HTML转Markdown看似简单，实则是一场充满取舍的“降维”过程：在线工具便捷却不可控，pandoc保真但对表格结构极度敏感，Turndown已停更不推荐；真正稳定高效的是命令行工具html2text——禁用折行（-b 0）、启用Unicode和GitHub模式后，可批量、精准、无依赖地处理静态HTML；Node.js环境则应选用cheerio+remark-html组合，兼顾灵活性与维护性；而所有方案都无法自动解决colspan、动态内容、CSS语义等本质难题——转换之后的人工判断与语义取舍，才是真正的难点所在。

直接用 html2text 命令行最稳，不依赖浏览器、能批量、参数可控；pandoc 保真度高但对表格结构敏感；turndown 适合前端或 Node.js 环境定制，但已停止维护，别用它处理复杂 HTML。

用 html2text 批量转，绕过换行和宽度干扰

html2text 默认会按 79 字符自动折行，导致段落被切碎、列表缩进错乱、代码块变形。关键是要关掉这个行为：

• 加 -b 0 参数禁用 body width 限制（-b 是 body_width 的缩写）
• 加 --unicode-snob 正确处理中文引号、破折号等 Unicode 符号
• 加 -g 启用 GitHub 兼容模式，让表格生成标准 Markdown 表格语法
• 批量转换命令示例：for f in *.html; do html2text -b 0 --unicode-snob -g "$f" > "${f%.html}.md"; done

注意：html2text 不解析 JavaScript、不执行 DOM 渲染，只做纯文本解析——所以它转不了动态插入的内容，这点和浏览器环境工具有本质区别。

pandoc 转表格时列数不一致？先检查和

pandoc -f html -t markdown 遇到表格容易丢行或少列，根本原因是它把 和 当作独立结构校验列数。常见错误现象：Warning: Ignoring invalid table row。

• 确保每行 内的 / 数量一致，尤其注意 colspan 和 rowspan 属性——它们必须提前展开或删除
• 避免使用 style="display:none" 隐藏的单元格，pandoc 会照常解析，导致列数错位
• 临时救急：加 --wrap=none 防止换行干扰列识别；更可靠的做法是先用 html2text -b 0 提取结构化文本，再人工补分隔行

Node.js 里用 remark-html，不是 turndown

turndown 已归档、不再维护，且对自定义标签（如