Tóm tắt
Công cụ chuyển trang web sang Markdown miễn phí tải bất kỳ URL công khai nào và trả về nội dung chính dưới dạng Markdown gọn gàng: tiêu đề thành #, chữ đậm thành **, liên kết thành [văn bản](url), danh sách thành dấu gạch ngang. Menu, phần đầu trang, chân trang, thanh bên và script đều bị loại bỏ. Hãy sao chép kết quả hoặc tải về dưới dạng tệp .md, sẵn sàng cho tài liệu, việc chuyển nội dung hoặc làm prompt cho ChatGPT hay Claude.
Muốn tìm hiểu sâu hơn? Hãy hỏi
Một công cụ chuyển trang web sang Markdown biến một trang được xây dựng cho trình duyệt thành văn bản thuần dành cho con người và máy móc. Markdown được thiết kế để một tài liệu vẫn “có thể xuất bản nguyên trạng dưới dạng văn bản thuần” mà không lộ vẻ được đánh dấu, theo lời người tạo ra nó (John Gruber, Markdown). Nhờ vậy, đây là cách nhẹ nhất để chuyển nội dung giữa các công cụ: nó mở được trong mọi trình soạn thảo, ghi phiên bản gọn trên Git, và tốn ít token hơn nhiều so với HTML thô khi bạn dán vào một mô hình ngôn ngữ.
Công cụ chuyển trang web sang Markdown hoạt động thế nào?
Dán một URL, vượt qua bước kiểm tra chống bot rồi nhấn Chuyển đổi. Công cụ tải HTML của trang, giữ lại vùng nội dung và viết lại từng phần tử theo cú pháp Markdown. Kết quả hiển thị ba con số (ký tự, từ, dòng), một nút sao chép và một nút tải về tệp .md.
- Nhập địa chỉ đầy đủ, chẳng hạn https://example.com/article.
- Chạy chuyển đổi. Trang phải phản hồi trong vòng 15 giây.
- Đọc kết quả và kiểm tra xem các tiêu đề và đoạn văn bạn cần đã có đủ hay chưa.
- Sao chép hoặc tải về Markdown rồi dán vào nơi bạn cần.
Mỗi ngày có ba lượt chuyển đổi miễn phí và không cần tài khoản. Với khối lượng lớn hơn, tài khoản Sorank sẽ bỏ giới hạn này.
Công cụ giữ lại gì và loại bỏ gì?
Công cụ giữ phần nội dung biên tập và bỏ phần trang trí của trang. Bảng dưới đây liệt kê cách xử lý từng phần tử HTML.
| Phần tử HTML | Kết quả Markdown | Ghi chú |
|---|---|---|
| h1 đến h6 | # đến ###### | Giữ nguyên thứ bậc |
| strong, b | **chữ đậm** | |
| em, i | *chữ nghiêng* | |
| a | [văn bản](url) | Thuộc tính href được giữ nguyên như đã viết, kể cả liên kết tương đối |
| img |  | Giữ văn bản thay thế khi có |
| li | - mục | Danh sách có số cũng thành dấu gạch ngang |
| blockquote | > trích dẫn | |
| pre và code | Khối code có rào và `mã nội dòng` | |
| hr | --- | |
| table | Văn bản thuần | Giữ nội dung ô, mất lưới |
| nav, header, footer, aside | Bị loại bỏ | Menu và thanh bên không phải là nội dung |
| script, style, noscript, svg, canvas, chú thích | Bị loại bỏ |
Các trang rất dài bị cắt ở 50.000 ký tự, đủ để bao quát một bài viết dài gấp nhiều lần.
Vì sao nên chuyển trang web sang Markdown?
Vì phần lớn nội dung của một trang HTML không phải là nội dung. Tên lớp CSS, script nội tuyến, thẻ theo dõi và điều hướng có thể chiếm phần lớn tệp. Loại bỏ chúng sẽ để lại văn bản và cấu trúc của nó, đó chính là thứ bạn thực sự tái sử dụng.
- Chuyển nội dung: chuyển bài viết từ một CMS cũ sang trình tạo trang tĩnh, một CMS dựa trên Git hoặc nền tảng mới mà không phải sao chép thủ công.
- Tài liệu: biến các trang trợ giúp hoặc đặc tả thành tệp nằm cạnh mã nguồn.
- Prompt cho trợ lý AI: đưa cho ChatGPT, Claude hay Gemini văn bản sạch của một trang để tóm tắt, dịch hoặc so sánh, mà không lãng phí cửa sổ ngữ cảnh cho phần đánh dấu.
- Kiểm tra nội dung: đọc xem trang thực sự nói gì, từng tiêu đề một, khi phần thiết kế đã được gỡ bỏ.
- Nghiên cứu đối thủ: so sánh cấu trúc của các trang xếp trên bạn, rồi kiểm tra dàn ý của họ bằng công cụ phân tích cấu trúc tiêu đề.
Markdown, HTML hay văn bản thuần: nên giữ định dạng nào?
Mỗi định dạng phục vụ một việc khác nhau. Markdown nằm ở giữa: giữ được cấu trúc mà văn bản thuần làm mất, mà không nặng như HTML.
| Định dạng | Giữ tiêu đề và liên kết | Kích thước | Phù hợp nhất cho |
|---|---|---|---|
| HTML | Có, kèm toàn bộ mã bố cục | Nặng nhất | Xuất bản trên web |
| Markdown | Có, ở dạng dễ đọc | Nhẹ | Chuyển nội dung, tài liệu, prompt, quản lý phiên bản |
| Văn bản thuần | Không | Nhẹ nhất | Đếm từ và đọc nhanh |
Công cụ tạo ra loại Markdown nào?
Markdown thuần mà mọi bộ phân tích cú pháp đều đọc được. Cú pháp gốc để lại một số trường hợp không được định nghĩa, nên các bản triển khai khác nhau; dự án CommonMark ra đời để đặc tả cú pháp mà không còn mơ hồ (Đặc tả CommonMark). Các tiêu đề, nhấn mạnh, liên kết, hình ảnh, danh sách, trích dẫn và khối mã được tạo ra ở đây đều tuân theo những quy tắc chung đó.
Bảng là ngoại lệ chính. Chúng không thuộc Markdown cốt lõi: GitHub Flavored Markdown bổ sung bảng như một phần mở rộng (Đặc tả GitHub Flavored Markdown). Công cụ xuất nội dung bảng dưới dạng văn bản, nên nếu cần, bạn hãy dựng lại lưới bằng tay, dùng ký tự gạch đứng và một dòng phân cách.
Công cụ có hoạt động trên các trang JavaScript không?
Chỉ trên HTML mà máy chủ gửi về. Công cụ đọc trang như một trình thu thập đơn giản và không thực thi JavaScript, nên một ứng dụng một trang tự dựng nội dung trong trình duyệt có thể trả về gần như trống rỗng. Giới hạn tương tự cũng áp dụng cho nhiều trình thu thập AI: một phân tích của Vercel và MERJ công bố vào tháng 12/2024 cho thấy không trình thu thập AI lớn nào render JavaScript, kể cả của OpenAI, Anthropic và Perplexity (Vercel, sự trỗi dậy của trình thu thập AI).
Điều đó khiến công cụ trở thành một phép thử hữu ích. Nếu Markdown của chính trang bạn thiếu phần văn bản chính, các trợ lý tải HTML thô có lẽ cũng thấy cùng khoảng trống đó. Hãy khắc phục bằng render phía máy chủ hoặc tạo trang tĩnh, rồi xác nhận bằng công cụ kiểm tra độ dễ đọc cho LLM và kiểm tra khả năng thu thập dữ liệu cho AI.
Có nên xuất bản bản Markdown của trang cho AI không?
Tùy vào ai sẽ đọc chúng. Đề xuất llms.txt gợi ý cung cấp một bản Markdown gọn của các trang hữu ích tại cùng URL, thêm .md vào cuối, vì HTML bọc trong điều hướng và script rất khó chuyển ngược thành văn bản sạch (Đề xuất llms.txt). Một số tác tử và công cụ tài liệu dùng các tệp này.
Google Tìm kiếm thì không. Hướng dẫn của hãng về tìm kiếm AI tạo sinh nói rằng bạn không cần Markdown hay tệp văn bản AI đặc biệt để xuất hiện trên Google, kể cả các tính năng AI của hãng, và những tệp đó không giúp ích cũng không gây hại cho thứ hạng (Google, tối ưu cho tìm kiếm AI tạo sinh). Hãy dùng bản sao Markdown cho các hệ thống yêu cầu chúng, và giữ các trang HTML đầy đủ cho mọi người khác. Để xuất bản chỉ mục llms.txt, hãy bắt đầu với công cụ tạo llms.txt và đọc hướng dẫn cài đặt tệp llms.txt của chúng tôi.
Làm sạch Markdown sau khi chuyển đổi thế nào?
Phần lớn kết quả đã dùng được ngay. Vài bước kiểm tra sẽ giúp chúng hoàn chỉnh trong vài phút.
- Biến liên kết tương đối thành tuyệt đối nếu tệp sẽ nằm ngoài trang web gốc, bằng cách thêm tên miền vào trước các đường dẫn bắt đầu bằng dấu gạch chéo.
- Xóa các khối còn sót lại như thông báo cookie, biểu mẫu bản tin hoặc bài viết liên quan mà không được bọc trong thẻ nav hay aside.
- Khôi phục danh sách có số ở những nơi thứ tự có ý nghĩa, thay các dấu gạch ngang bằng 1., 2., 3.
- Dựng lại bảng mà bạn muốn giữ dưới dạng bảng.
- Kiểm tra cấp độ tiêu đề: một # cho tiêu đề, ## cho các mục, không bỏ cấp nào.
Công cụ miễn phí có những giới hạn nào?
Công cụ hoạt động trên các trang công khai phản hồi nhanh. Các trang nằm sau đăng nhập, tường thanh toán hoặc cơ chế bảo vệ bot mạnh sẽ trả về lỗi hoặc kết quả thiếu. Công cụ chuyển một URL mỗi lần, nên nó không phải trình thu thập toàn trang web; để liệt kê các trang cần chuyển trước, hãy dùng công cụ trích xuất URL. Và kết quả phản ánh trang tại thời điểm yêu cầu, nên hãy chuyển đổi lại sau mỗi lần cập nhật.
Từ văn bản sạch đến nội dung được trích dẫn
Markdown cho thấy trang thực sự nói gì khi phần thiết kế đã biến mất, và điều đó gần với những gì một trợ lý AI đọc. Nếu văn bản đó mỏng, trang sẽ gặp khó khăn cả trên Google lẫn trong câu trả lời của AI. Trình tạo bài viết blog của Sorank viết các bài có cấu trúc, có nguồn dẫn và đọc tốt ở cả hai định dạng, còn Theo dõi lượt nhắc đến AI cho biết ChatGPT, Claude và Gemini có trích dẫn chúng hay không. Xem các gói của Sorank để chạy việc này trên autopilot.
