使用 Java 将 HTML 转换为 Markdown答案

【问题标题】：HTML to Markdown with Java使用 Java 将 HTML 转换为 Markdown
【发布时间】：2010-09-08 17:49:09
【问题描述】：

有没有一种简单的方法可以用 JAVA 将 HTML 转换为 markdown？

我目前正在使用 Java MarkdownJ 库将 markdown 转换为 html。

import com.petebevin.markdown.MarkdownProcessor;
...
public static String getHTML(String markdown) {
    MarkdownProcessor markdown_processor = new MarkdownProcessor();
    return markdown_processor.markdown(markdown);
}

public static String getMarkdown(String html) {
/* TODO Ask stackoverflow */
}

【问题讨论】：

标签： java markdown

【解决方案1】：

有一个很棒的 JS 库，叫做Turndown，你可以在网上试试here。它适用于接受答案错误的html。

我需要它用于 Java（作为问题），所以我移植了它。 Java 库称为CopyDown，它具有与 Turndown 相同的测试套件，并且我已经通过实际示例进行了尝试，接受的答案是抛出错误。

使用 gradle 安装：

dependencies {
        compile 'io.github.furstenheim:copy_down:1.0'
}

然后使用它：

CopyDown converter = new CopyDown();
String myHtml = "<h1>Some title</h1><div>Some html<p>Another paragraph</p></div>";
String markdown = converter.convert(myHtml);
System.out.println(markdown);
> Some title\n==========\n\nSome html\n\nAnother paragraph\n

附言。它有 MIT 许可证

【讨论】：

【解决方案2】：

我正在研究同一个问题，并尝试了几种不同的技术。

上面的答案可以工作。您可以使用jTidy library 进行初始清理工作并将HTML 转换为XHTML。您使用上面链接的XSLT stylesheet。

不幸的是，在 Java 中没有提供一站式功能的库。您可以尝试将 Python 脚本 html2text 与 Jython 一起使用，但我还没有尝试过！

【讨论】：

【解决方案3】：

如果您正在使用 WMD 编辑器并想在服务器端获取 markdown 代码，只需在加载 wmd.js 脚本之前使用这些选项：

wmd_options = {
        // format sent to the server.  can also be "HTML"
        output: "Markdown",

        // line wrapping length for lists, blockquotes, etc.
        lineLength: 40,

        // toolbar buttons.  Undo and redo get appended automatically.
        buttons: "bold italic | link blockquote code image | ol ul heading hr",

        // option to automatically add WMD to the first textarea found.
        autostart: true
    };

【讨论】：

【解决方案4】：

有一个名为 pandoc 的 Haskell 库可以在大多数标记格式之间进行转换。
虽然不是Java库，但可以是used through its CLI in Java。

你可以得到和install the latest version from here。阅读getting started guides here。

var command = "pandoc --to=markdown_strict --output=result.md input.html";
var pandoc = new ProcessBuilder()
        .command(command.split(" "))
        .directory(new File(".")) // Working directory
        .start();
pandoc.waitFor();
// The output result.md will be created in the working directory

这个工具也可以是used in GitHub Actions workflows。

【讨论】：