告别复制粘贴，一行命令把网页变成干净的 Markdown。
采用 Obsidian Web Clipper 同款提取引擎，CLI 版本。
English | 中文
你是否遇到过这些问题？
- 看到一篇好文章，想保存到笔记软件，复制粘贴后格式全乱 — 图片丢失、代码块变形、多余样式干扰
- 网页上有大量广告、侧边栏、评论区等噪音，手动清理费时费力
- 想抓取需要登录才能看到的内容（付费专栏），普通爬虫拿不到
- 网站有反爬机制，脚本刚跑就被拦
- SPA 页面内容是 JS 动态渲染的，抓下来是空白
to-md 就是为了解决这些问题而生的。
| 特性 | 说明 |
|---|---|
| JS 渲染 | Playwright 加载页面，SPA / 动态内容都能抓 |
| 反检测 | 移除 navigator.webdriver 标志，模拟真实浏览器 |
| 智能提取 | Defuddle 自动识别正文区域，去广告、导航、评论 |
| 复用登录态 | --profile 指定 Chrome 配置目录，直接复用 cookies |
| YAML frontmatter | 自动生成 title / author / date / source 元数据 |
| 懒加载图片 | 自动滚动触发 + data-src 修复 |
| 双浏览器 | 支持 Chrome 和 Edge |
采用与 Obsidian Web Clipper 相同的 Defuddle 引擎，智能识别正文区域，理论上支持所有文章类网页。
| 类别 | 站点 |
|---|---|
| 技术社区 | 掘金、CSDN、博客园、SegmentFault、V2EX、思否 |
| 知识平台 | 知乎专栏、简书、少数派、语雀 |
| 代码托管 | GitHub、GitLab、Gitee |
| 博客系统 | WordPress、Hexo、Hugo、Typecho、Ghost |
| 新闻资讯 | 36氪、InfoQ、虎嗅、澎湃 |
| 国外站点 | Medium、Dev.to、Hashnode、Stack Overflow |
| 文档站点 | 各类技术文档、Wiki |
未列出的站点同样支持，Defuddle 会自动识别文章区域。
无需安装，直接执行：
npx playwright-to-md https://juejin.cn/post/7605416964510810139
npx playwright-to-md https://juejin.cn/post/7605416964510810139 -o article.mdnpm install -g playwright-to-md
# 安装后即可直接使用
to-md https://juejin.cn/post/7605416964510810139
to-md https://juejin.cn/post/7605416964510810139 -o article.md前置要求： Node.js >= 18，系统已安装 Chrome 浏览器。
to-md <url> [options]
| 选项 | 说明 | 默认值 |
|---|---|---|
-o, --output <file> |
输出到文件 | 终端输出 |
--browser <name> |
浏览器：chrome 或 msedge |
chrome |
--headless / --no-headless |
无头模式 / 显示浏览器窗口 | 无头 |
--wait <ms> |
额外等待时间（动态加载） | 0 |
--timeout <ms> |
页面加载超时 | 30000 |
--profile <dir> |
Chrome/Edge 配置目录（保留登录态） | 无 |
--no-frontmatter |
不输出 YAML frontmatter | - |
--json |
JSON 格式输出（含元数据） | - |
# 掘金
to-md https://juejin.cn/post/7605416964510810139 -o article.md
# 知乎专栏
to-md --no-headless --browser msedge https://zhuanlan.zhihu.com/p/7314838716
# CSDN
to-md https://blog.csdn.net/user/article/details/123456 -o article.md使用 --profile 指定 Chrome 用户数据目录，复用已有的登录状态：
# Windows
to-md https://example.com/member-only -o article.md --profile "C:\Users\你的用户名\AppData\Local\Google\Chrome\User Data"
# macOS
to-md https://example.com/member-only -o article.md --profile "~/Library/Application Support/Google/Chrome"
# Linux
to-md https://example.com/member-only -o article.md --profile "~/.config/google-chrome"注意：
--profile模式会启动可见的 Chrome 窗口（非 headless），请勿在运行期间关闭浏览器。
部分站点内容通过 JavaScript 动态渲染，需要额外等待：
# 手动指定等待时间
to-md https://example.com/spa-page -o article.md --wait 3000
# 遇到内容过短时，也可以加大超时
to-md https://example.com/slow-page -o article.md --timeout 60000to-md 采用简洁的两步流程：Playwright 加载页面 → Defuddle 提取正文。
┌─────────────────────────┐
│ Playwright 加载页面 │
│ (反检测 + 懒加载触发) │
└────────────┬────────────┘
│
▼
┌─────────────────────────┐
│ Defuddle 提取正文 │
│ (自动识别内容区域) │
│ (去广告/导航/评论) │
│ (直接输出 Markdown) │
└────────────┬────────────┘
│
▼
┌─────────────────────────┐
│ 输出结果 │
│ (Markdown / JSON) │
└─────────────────────────┘
使用 Defuddle 进行智能内容提取：
- 自动识别文章正文区域，无需手动配置选择器
- 去除广告、导航栏、侧边栏、评论区等噪音
- 直接输出 Markdown，无需额外转换步骤
- 支持主流博客、新闻、技术文档站点
浏览器启动时注入反检测脚本，模拟真实浏览器环境：
- 移除
navigator.webdriver标志 - 伪装
window.chrome对象和浏览器插件 - 模拟真实的屏幕尺寸和 WebGL 渲染器
- 隐藏 Playwright 痕迹
页面加载后自动滚动触发懒加载，并修复 data-src 等属性确保图片正确显示。
大多数站点直接支持，以下站点需要特殊参数：
| 站点 | 说明 |
|---|---|
| 知乎 | 需 --no-headless --browser msedge 绕过反爬 |
| 需登录的站点 | 使用 --profile 复用 Chrome 登录态 |
# 克隆仓库
git clone https://github.com/sweetwisdom/to-md.git
cd to-md
# 安装依赖
npm install
# 运行测试
node bin/cli.mjs https://example.com
# 输出到文件查看效果
node bin/cli.mjs https://juejin.cn/post/7605416964510810139 -o test_output.mdto-md/
├── bin/
│ └── cli.mjs # CLI 入口，编排提取流程
├── lib/
│ ├── browser.mjs # Playwright 浏览器管理、反检测、懒加载
│ └── converter.mjs # Defuddle 内容提取 + Markdown 格式化
└── package.json
- Obsidian Web Clipper - 浏览器扩展版，本项目的灵感来源
- Defuddle - 智能网页内容提取引擎
- Playwright - 浏览器自动化框架