TapCub 正式上线:统计、分析、客服一个平台免费用

免费工具 网页转 Markdown:看看 AI 从你的网页里读到了什么

填一个网址,拿到这个页面的 Markdown 正文:去掉菜单、Cookie 弹窗和页脚,保留标题、列表、表格、链接和图片。这大致就是 AI 爬虫和大模型读到的内容,也是贴进 ChatGPT、Kimi、DeepSeek 或知识库时最省 token 的格式。

  • 自动提取正文
  • 可用 GPTBot、ClaudeBot 身份抓取
  • 转换前后 token 对比

把网址或 HTML 转成 Markdown

点「转换」之前,下面是示例结果:www.example.com 上一篇虚构的博客文章,可以看到哪些内容被保留、哪些被去掉。

转换工具
会发送什么、发给谁。打开页面时不发任何请求。填网址点转换后,网址交给 TapCub 的检查服务 check.tapcub.com,由它从 Cloudflare 的网络用你选的 User-Agent 抓一次页面,请求里带 From: tools@tapcub.com,再把最多 512 KB 的 HTML 返回给你的浏览器。和很多 AI 爬虫一样,它不执行页面里的 JavaScript。服务端只为限流记录域名、状态码和耗时,不记路径、参数和页面内容。额度:每个 IP 每分钟 10 次、每天 200 次。选「粘贴 HTML」时什么都不发送。

要转换的页面。粘贴 HTML 时可以不填,填了只用来补全相对链接,不会去抓取。

有的网站会拦 AI 爬虫,选 GPTBot 或 ClaudeBot 看看它们拿到的是什么。

示例:https://www.example.com/blog/rain-tent 上一个虚构的页面,没有实际抓取。换成你的网址,点「转换」。

字数

291

Markdown 里的字数,汉字逐个计。

token 估算

471

Markdown 的 token 数:中文约 1 字 1 个,英文约 4 个字符 1 个。

HTML 的 token

1,022

原始 HTML 按同样方法估算。

标题数

4

保留下来的 H1–H6。

处理说明

  • 提示正文取自页面的 <article> 元素。
  • 通过Markdown 约 471 个 token,原始 HTML 约 1,022 个,少了 54%。
Markdown
---
title: "下雨天露营,帐篷怎么选?看懂这三个防水指标"
source: "https://www.example.com/blog/rain-tent"
author: "陈小雨"
date: "2026-10-14"
description: "防水指数、压胶工艺和通风设计,决定帐篷下雨天漏不漏水。用数字讲清楚怎么挑。"
lang: "zh-CN"
fetched: "2026-11-21"
---

# 下雨天露营,帐篷怎么选?看懂这三个防水指标

作者:陈小雨 · 2026-10-14 · 阅读约 5 分钟

晴天能用的帐篷,到了连续下雨的第三天可能就开始渗水。决定帐篷下雨天表现的有三件事:面料的**防水指数**、接缝的**压胶工艺**,以及帐篷的**通风设计**。

## 1. 看懂防水指数

防水指数(静水压,单位 mm)指面料能承受多高的水柱才开始渗水。把它当成下限而不是保证:涂层会老化,跪在地布上时局部压力也会变大。

| 部位 | 小雨、阵雨 | 全天降雨 |
| ---- | ---------- | -------- |
| 外帐 | 1500 mm    | 3000 mm  |
| 地布 | 3000 mm    | 5000 mm  |

## 2. 检查接缝压胶

- 外帐和地布的接缝都要压胶
- 硅涂层面料压不上胶条,要用液体密封胶
- 头顶的接缝越少,可能漏水的地方越少

![外帐内侧的压胶条](https://www.example.com/img/blog/seam-tape.jpg "从外帐内侧看到的压胶条。")

## 3. 别把冷凝水当成漏水

无风的冷夜里,帐篷里的“漏水”大多是冷凝水。打开两侧通风口,门朝背风面搭建。具体做法见[搭帐篷教程](https://www.example.com/guides/pitching)。
提取正文和转换 Markdown 都在你的浏览器里完成,转换的内容不会被保存或分享。

版本 v1.0更新于 更新记录

结果怎么看

几个数字和提示的含义

示例页面就是常见的情况:正文留下,页面上的「装修」去掉,token 数差不多减半。

字数

按 Markdown 统计,也就是大模型实际要读的字。示例里去掉 Cookie 弹窗、菜单、面包屑、分享按钮、订阅框和页脚后,正文还剩 291 个字。

token 估算

粗略估算:中文约 1 个字 1 个 token,英文约 4 个字符 1 个。各家模型的分词器不同(DeepSeek、通义、Kimi 对中文的切法也不一样),只作量级参考,用来判断一个页面放不放得进提示词或上下文窗口。

HTML 的 token

同样的方法估算原始 HTML。示例页面很小也很干净(约 1,022 个);真实网页带着内联脚本、样式和统计代码,常常有几万个 token,所以实际节省通常比这里的 54% 多得多。

正文是怎么找到的

在浏览器里先用 Mozilla Readability 找正文;找不到时退回页面的 <article> 或 <main>,再不行就转换整个 body 并去掉菜单、横幅和页脚。处理说明里会写用的是哪一种。

明明是长文章却只转出几十个字,通常是页面靠 JavaScript 渲染。很多 AI 爬虫只拿 HTML、不执行脚本,它们看到的也是这个短版本。

使用方法

三步完成

每次转换只请求一次;粘贴 HTML 不发送任何内容。

  1. 1

    填网址

    任何公开的 http / https 页面。想看 AI 爬虫拿到的版本,在「抓取身份」里选 GPTBot 或 ClaudeBot。需要登录才能看的页面,在浏览器里打开后复制源代码,用「粘贴 HTML」。

  2. 2

    选保留什么

    文章、文档选「只要正文」;首页、价格页这类没有单篇文章的页面选「整页」。想省 token 就关掉链接和图片;想保留出处就打开头信息。

  3. 3

    复制或下载

    复制 Markdown 贴进对话框,或下载 page.md 放进知识库、RAG 索引,或作为 llms.txt 配套的 Markdown 版本。

处理方法

页面的每一部分会变成什么

HTML 只按文字解析,页面里的任何东西都不会运行或加载。然后:

  • 正文:对解析出的页面副本运行 Mozilla Readability(Apache-2.0);不行再按上面说的 <article> / <main> 规则
  • 相对链接和图片地址按页面网址(或 <base href>)补全;懒加载图片取 data-src
  • 转换规则和本站 Markdown 转换工具相同:GitHub 风格表格、带语言标记的代码块、嵌套列表
  • 头信息的值一律加引号,标题里有冒号、引号也不会破坏 YAML
HTML 元素转换成 Markdown 后的样子
HTML 里Markdown 里「只要正文」时
<h1>–<h6># 到 ######保留
<ul>、<ol>- 和 1. 列表,按缩进嵌套保留
<table>带表头的竖线表格保留
<pre><code class="language-js">代码块 ```js保留
<a href>、<img>[文字](网址)、![替代文字](网址)保留,或按选项去掉
<nav>、<footer>、<aside>、Cookie 弹窗、分享按钮—去掉
<script>、<style>、表单、iframe、SVG—两种模式都去掉
实例

同一个页面,四种转法

示例页面(HTML 3.6 KB,约 1,022 个 token)用不同设置转换的结果。

示例页面在不同设置下的 Markdown 大小
设置字数token 估算比 HTML 少
整页,保留链接和图片37359342%
只要正文,保留链接和图片,加头信息29147154%
整页,去掉链接和图片37243458%
只要正文,去掉链接和图片29434267%

去掉菜单和页脚,字数变化不大,token 却少了不少,因为每个菜单链接都带着一整串网址。真实网站的 HTML 比这个示例重得多。

常见问题

转出来的 Markdown 不对劲,通常是这些原因

多数意外来自页面本身,而不是转换。

内容靠 JavaScript 渲染

Vue、React 做的单页应用常常只返回一个几乎空白的 HTML 外壳。工具显示的就是这个外壳,很多 AI 爬虫拿到的也是它。服务端渲染或预渲染能同时解决两边的问题。

被防火墙拦了

Cloudflare、阿里云 WAF 等可能对机房 IP 或 AI 爬虫 UA 返回验证页。处理说明会提示;可以把抓取身份换成 Chrome,或在浏览器里复制源代码粘贴进来。

正文剪得太多

商品详情页、落地页上,Readability 可能漏掉参数表或价格区。改用「整页」,再删掉不需要的部分。

中文乱码

一些老网站用 GBK、GB2312 编码,抓取服务按 UTF-8 解码会乱码。在浏览器里打开页面复制源代码,用「粘贴 HTML」转换即可。

常见问题

网页转 Markdown 常见问题

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

怎么把网页转换成 Markdown?

在上面填网址,点「转换」。工具抓一次页面、提取正文,得到可以复制或下载为 page.md 的 Markdown。需要登录的页面,在浏览器里复制源代码,切到「粘贴 HTML」转换。

为什么要把网页转成 Markdown 再给 AI?

Markdown 保留了大模型需要的结构(标题、列表、表格、链接),去掉了它用不上的标签、class、脚本和样式。token 通常能省一半以上,知识库切分时也能按标题干净地分段。

转出来的就是 GPTBot、ClaudeBot 看到的内容吗?

很接近。在「抓取身份」里选 GPTBot 或 ClaudeBot,就会用它们的 User-Agent 请求页面,并且不执行 JavaScript,和很多 AI 爬虫的抓法一致。但不是它们的完整流程:请求来自 Cloudflare 的 IP,按 IP 验证爬虫的网站可能会区别对待。

为什么转出来几乎是空的?

页面多半靠 JavaScript 渲染内容,或者被防火墙返回了验证页,看数字下面的处理说明。内容要执行脚本才出现的话,不执行脚本的爬虫同样看不到。

「只要正文」和「整页」有什么区别?

「只要正文」保留文章,去掉导航、面包屑、Cookie 弹窗、分享按钮、侧栏和页脚;「整页」把看得见的内容都转出来,适合首页、价格页这类没有单篇文章的页面。

可以直接转换手里的 HTML 吗?

可以。把「来源」切到「粘贴 HTML」,粘贴进去即可,边输边转换,不发送到任何地方。填上页面网址的话,相对链接也会补全。

头信息有什么用?

把标题、来源网址、作者、发布日期和摘要跟正文放在一起,知识库或大模型回答时能说明出处。只要正文的话关掉即可。

中文网页转出来是乱码怎么办?

说明这个网站用的是 GBK 等非 UTF-8 编码。在浏览器里打开页面,右键「查看网页源代码」全选复制,用「粘贴 HTML」转换;浏览器已经按正确编码解码过了。

更新记录

更新记录

这个工具的新功能、修复和数据更新,最新的在前。

  1. · v1.0

    首次上线首次上线。

缺功能或发现错误?告诉我们,常被提到的会排进下次更新。 全部工具更新

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie