HTML a Markdown

Hay dos formas de alimentar esta herramienta. Selecciona parte de una página web, cópiala y pégala en el cuadro de la izquierda: el navegador entrega por detrás el contenido con formato como HTML, y la herramienta recoge eso en lugar del texto plano. O pega el código HTML directamente, por ejemplo desde ver código fuente o desde un archivo guardado. En ambos casos el Markdown aparece a la derecha con un botón de copiar, y se conservan títulos, listas, enlaces, código y tablas.

El motivo más habitual para hacerlo es entregar contenido web a ChatGPT, Claude o Gemini. Una página copiada directamente del navegador arrastra navegación, estilos en línea, scripts de seguimiento y decenas de etiquetas anidadas que a un modelo de lenguaje no le sirven de nada, y cada uno de esos caracteres cuesta ventana de contexto y dinero. Markdown mantiene la estructura que el modelo realmente lee y elimina el envoltorio, así que el mismo artículo suele reducirse a una fracción de los tokens. La línea bajo el resultado muestra el recuento antes y después con el tokenizador o200k_base que usan GPT-4o y GPT-4.1; otros modelos varían un poco, pero la proporción es representativa.

Dos opciones recortan aún más. Quitar imágenes elimina las etiquetas de imagen por completo, ya que un modelo que lee texto no puede verlas y las URL solo añaden ruido. Quitar enlaces conserva el texto del enlace pero descarta la URL, algo que importa en páginas donde cada dos frases hay un enlace. Los scripts, estilos, iconos SVG en línea, comentarios y la cabecera del documento se eliminan siempre. Las tablas HTML se convierten en tablas de barras al estilo de GitHub; una tabla anidada dentro de otra se aplana a texto porque Markdown no tiene forma de expresarla.

Todo se ejecuta en tu navegador. Lo que pegas se lee del evento del portapapeles y no se envía a ningún sitio, así que las páginas de una wiki interna o los documentos tras un inicio de sesión se pueden convertir con tranquilidad. Las páginas muy largas tardan un momento porque el tokenizador debe recorrer todo el texto dos veces; las entradas de más de un millón de caracteres se rechazan, así que divídelas antes.