📄 HTML Markdown — HTML 转 Markdown 工具

使用 MinerU 将 HTML 文件转换为干净的 Markdown。

对于本地 HTML 文件使用 extract；对于实时网页使用 crawl。

Install

npm install -g mineru-open-api
# 或者通过 Go（macOS/Linux）：
go install github.com/opendatalab/MinerU-Ecosystem/cli/mineru-open-api@latest

Quick Start

# 将本地 HTML 文件转换为 Markdown（需要 token）
mineru-open-api extract page.html -o ./out/
# 将远程 HTML 文件转换为 Markdown（需要 token）
mineru-open-api extract https://example.com/doc.html -o ./out/
# 通过 crawl 将实时网页转换为 Markdown（需要 token）
mineru-open-api crawl https://example.com/article -o ./out/

Authentication

需要 token：

mineru-open-api auth
# 交互式 token 设置
export MINERU_TOKEN="your-token"
# 或者通过环境变量

在 https://mineru.net/apiManage/token 创建 token

Capabilities

• 支持输入：本地 .html 文件或 HTTP/HTTPS URL
• 本地 .html 文件：使用 extract（需要 token）
• 实时网页 URL：使用 crawl（需要 token）
• HTML 不支持 flash-extract
• 使用 --language 进行语言提示（默认：ch，使用 en 表示英语）

Notes

• HTML 输入始终需要 token（无 flash-extract 支持）
• 对于需要 JavaScript 渲染的实时网页，首选 crawl
• 输出默认到 stdout；使用 -o 保存到文件或目录
• 所有进度/状态消息到 stderr；文档内容到 stdout
• MinerU 是由 OpenDataLab（上海 AI 实验室）开发的开源项目：https://github.com/opendatalab/MinerU