HTML 转 Markdown
自写子集转换器，覆盖标题/列表/表格/代码，其余标签按需保留。
这是一个自写的 HTML→Markdown 子集转换器，不用 turndown、也不建任何 DOM 节点：整段输入按字符扫描建树，粘贴的内容不会被接入当前页面，脚本没有执行的机会；转换在浏览器内存里完成，不发请求。输出口径是 CommonMark 0.31 加 GFM 扩展（表格、删除线、任务列表），标题、强调、删除线、代码、列表、引用、链接与图片映射成 Markdown，p/div/section/article 一类容器只拆壳、不产生任何标记，剩下的走退化档。
它只实现子集，剩下的按三档退化：script、style、noscript、template、head、meta、link、title、base、svg、math、object、frame 一类永远丢弃，开了「原样保留」也不透传，HTML 注释同样直接跳过；sub/sup/u/kbd/mark 这些没有 Markdown 对应物的标签默认按 HTML 原样保留（GFM 允许正文混写 HTML），关掉开关就降级成纯文本。不规则表格整表退回 HTML 原样并写明原因——colspan/rowspan、thead 里的多级表头、某行列数与表头不齐、单元格里有列表/代码块/嵌套表格。链接与图片过安全关：javascript: 与 vbscript: 的地址直接丢掉只留文字，data: 只放行 png/jpeg/gif/webp/avif 图片。实体解码支持全部数字实体加几十个常见命名实体，认不出的原样保留并统计数量；标签没闭合或多出结束标签不抛错，按隐含结束规则就近补齐，个别结构可能与浏览器解析不同。
HTML 转 Markdown怎么用
- 只复制正文容器：整页复制进来，同级的 div 会被拆壳、导航与页脚文案一并压进段落；先在源页面选中正文那一段再转。输入里一个标签都没有时按纯文本成段输出。
- 三个开关：默认「MD 表格 + 原样保留开 + 内联链接」。目标渲染器不允许正文混 HTML 时关掉「认不出的标签原样保留」，让上标、details 降级成文本；链接密集、地址要统一维护时开「链接用引用式」，正文写成 [文字][标签]，文末集中出定义块，同地址复用同一标签、异地址撞名时加序号。
- 读 meta 与提示条：结果上方 meta 行统计链接、图片、表格单元格与总行数；提示条列出跳过的标签（附次数，最多列 14 种）、按 HTML 保留的标签、表格退回原因、实体解码数与相对路径图片数。没有复制按钮，Markdown 是普通可选中文本。缺 src 的 img 只剩 alt 文本，没有 alt 与用相对路径的图片都会单独提醒；未闭合标签的异常计数也在提示里注明。
- 映射成 Markdown 的部分：h1–h6 按级别给井号（标题行里的「1. 」前缀不做列表转义）、strong/b 加粗、em/i 斜体、del/s/strike 删除线、行内 code 与 pre 代码块（围栏长度按内容里最长的反引号串自动加长，语言标识从 class="language-x"、lang 属性、brush: 这类写法里读，代码内容原样不转义）、ul/ol 保留任意嵌套（缩进跟着标记宽度走，两位序号自动加宽，ol 尊重 start 与 li 的 value）、复选框写 GFM 任务项、blockquote 每行加 >（嵌套引用写成 > > 并保留内层标记）、hr 转三横线、br 转行尾两空格的硬换行、a/img 出内联写法并保留 title（链接文字与地址相同时写成自动链接）。
- 退化的另两档：sub/sup/u/kbd/mark/abbr/ins/q/time/font/ruby、定义列表 dl、details/summary、iframe/video/audio/picture 等默认按 HTML 原样保留；关掉该开关后它们降级成纯文本内容（dl 例外：dt 写成加粗行、dd 缩进两格，details 只留 summary 文字与内容），未知自定义标签同理，h7 这类不存在的标签也按未知标签处理。孤立出现在列表/表格之外的 li、tr、td、th 降级成段落。
常见问题
为什么从真实网页整页转出来的 Markdown 像一锅汤？
网页里的 div 是布局不是语义：导航、侧栏、正文、页脚常常是同级的 div 与 span，转换器无法从标签名判断哪块才是正文，而本工具对容器的处理是统一拆壳、文字压成段落，按钮文案与面包屑就一并混进来了。根治办法是只复制正文容器那一段再转；工具刻意不做「自动挑正文」——猜错的正文比一锅汤更难被发现。
表格单元里要换行、要合并单元格怎么办？
GFM 的行模型让单元格里放不下裸换行，工具的处理是：文本内换行写成 <br>、竖线转义，加粗与链接这类行内内容照常保留。合并单元格与多级表头在 Markdown 侧根本没有语法，硬转会把行列错位或把内容塞进错误的单元，所以宁可整表退回 HTML 并说明原因。真要保留合并语义就切「留 HTML 表格」，或者把结构拆成多张规则表。
为什么 sup/details 默认原样保留、div 却被拆掉，而 script 连保留的机会都不给？
取舍跟着 GFM 的能力走：正文混写 HTML 是合法语法，sub/sup/details/iframe 这些没有 Markdown 对应物、渲染器又普遍支持的标签，原样透传最保真；div/section 是纯容器，拆壳不丢内容。script、style、noscript 即便透传也是脚本执行与布局语义的来源，所以永远整块丢弃、只在提示里记一笔——「认不出的标签原样保留」这个开关对它们无效。
哪些表算「规则表」？表头和对齐怎么定？
GFM 表格是矩形网格，只有规则表转得动：表头取 thead 的第一行；没有 thead 时，整行都是 th 的首行也当表头（GFM 的表格必须有表头行）。对齐从 style、class、align 三处猜，写成 :--- / :---: / ---:；单元格内容压成一行，行比表头少列的用空单元格补齐并记账。
实体解码和转义的范围有多大？
实体解码支持全部数字实体加几十个常见命名实体（& — 这一批），认不出的原样保留并统计数量，留在透传 HTML 里的实体写法不动。转义刻意保守：词中间的 a_b_c 不写成带反斜杠的形式，只有行首的 # - + > 与「数字点空格」、成对的 ~ 、会触发语法的 * ` [ ] 才处理，< 与 & 写成实体。标签没闭合或多出结束标签不抛错，按 p/li/tr/td 等隐含结束规则就近补齐。