Java实现HTML转Markdown

Question

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 */
}

- Sergio del Amo

Answer 1

有一个非常好的JS库叫做Turndown，你可以在这里在线尝试。它适用于被接受的答案错误的html。

我需要它用于Java（就像问题一样），所以我对它进行了移植。Java的库名为CopyDown，它具有与Turndown相同的测试套件，并且我已经尝试过使用被接受的答案抛出错误的真实示例。

要使用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

PS. 它有 MIT 许可证

- Gabriel Furstenheim

Answer 2

有一个名为 flexmark 的 Java 库具备此功能。 Maven 依赖项：

<dependency>
    <groupId>com.vladsch.flexmark</groupId>
    <artifactId>flexmark-html2md-converter</artifactId>
    <version>0.64.0</version>
</dependency>

使用类com.vladsch.flexmark.html2md.converter.FlexmarkHtmlConverter，您可以像以下一行代码那样将HTML字符串转换为Markdown字符串：

String md = FlexmarkHtmlConverter.builder().build().convert(html);

- Fabian Sponholz

---

运行得非常好，替换了我以前使用“Remark”的旧代码！ - fei0x

我已经添加了上述依赖项，但在我的捆绑包中出现错误，导入的包无法解析。 - Shaheena Sk

我添加了上述依赖项，但是在我的捆绑包中出现了错误，导入的包无法解析。 - undefined

Answer 3

我正在处理同样的问题，并尝试了几种不同的技术。

上面的答案可能可行。您可以使用jTidy库来做一些初始清理工作并将HTML转换为XHTML。您可以使用上面链接的XSLT样式表。

不幸的是，在Java中没有一个一站式解决此问题的库。您可以尝试使用Python脚本html2text和Jython，但是我还没有尝试过这个！

- myabc

Answer 4

如果您正在使用WMD编辑器，并且想在服务器端获取Markdown代码，请在加载wmd.js脚本之前使用以下选项：

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
    };

- david

Answer 5

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。
虽然它不是 Java 库，但可以通过其 CLI 在 Java 中使用。您可以从此处获取并 安装最新版本。阅读 入门指南。

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

这个工具也可以在 GitHub Actions 工作流中 使用。

- Mahozad