01两种输入方式，用途不同
| 输入方式 | 适用场景 | 特点 |
|---|---|---|
| 粘贴 HTML 源码 | 已有源码、需要精确控制 | 保留全部结构，但噪音（导航、广告）也会带进来 |
| 输入网页链接 | 抓取他人文章、整理资料 | 自动提取正文，过滤掉导航与广告，结果更干净 |
从别人的博客搬内容用「链接提取」；从自己的旧站迁移用「源码粘贴」。前者自动去噪，后者保留完整结构，选错了会多很多清理工作。
02正文提取是怎么判断「哪部分是正文」的
所以正文提取对结构规范的站点效果好，对用大量 div 拼版、内容靠 JS 渲染的站点效果差。如果提取结果不对，改用源码粘贴 + 手动删除的方式更可靠。
- 文字密度：正文区域的文字/标签比例明显高于导航区
- 语义标签：优先识别 `<article>`、`<main>` 这类语义化标签
- 段落数量：连续多个 `<p>` 的区域比零散的单句更像正文
- 链接密度：导航区的链接占比极高，正文区则很低
03表格与代码块：最容易出问题的两处
表格
HTML 表格支持合并单元格（`rowspan` / `colspan`），而 Markdown 表格不支持。这是格式能力的硬限制，不是转换器的问题。
处理办法：先展开合并单元格（把合并内容复制到每个对应格子），再转换。或者对复杂表格保留原始 HTML——多数 Markdown 渲染器允许内嵌 HTML 表格。
代码块
从网页复制的代码常常带着语法高亮的 `<span>` 标签，每个 token 都被包了一层。转换器需要正确剥离这些标签，只保留纯代码文本。
如果代码块被转成了普通段落（没了缩进和等宽字体），通常是因为原网页没用 `<pre><code>` 包裹，而是用样式模拟的。这种情况需要手动改回代码块语法。
04图片的处理
- Markdown 里的图片是外链引用（``），不是内嵌文件。转出来的链接指向原站，原站删图你的文档就会缺图。
- 需要长期保存的内容，建议把图片下载到本地，改成相对路径引用。
- 带 `alt` 文本的图片要保留 alt——它既是无障碍需求，也是图片搜索的语义来源。
- 懒加载图片（`data-src`）常常转不出链接，因为转换器读到的是空的 `src`。这类需要手动补充。
05常见场景的实操建议
- 1博客平台迁移：先批量导出原站 HTML，再逐个转换。注意保留原文的发布日期与作者信息——转换器无法帮你保留这些元数据。
- 2整理参考资料：用链接提取模式，转完立刻核对一遍小标题层级。自动提取常把 `h3` 识别成 `h2`。
- 3做技术文档：代码块逐个核对。第 3 节的示例代码如果少了一行缩进，后续读者会踩坑。
- 4转完统一格式化：用 Markdown 格式化工具跑一遍，能修掉多余空行、不一致的列表符号这些小问题。
转换结果一定要人工核对，尤其是数字、代码和引用来源。自动化转换在格式层面很可靠，但在语义层面无法判断内容是否正确。