Menu
Extract web page content and convert to Markdown format while preserving structure, images, tables, and links. Use when converting web pages to Markdown for further processing.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
用 negentropy-perceives 的 parse_pdf_to_markdown 经 Knowledge Base Documents Ingest 将 PDF 一比一还原为可渲染 Markdown（文字、段落顺序、高清原图、图片显示尺寸、目录、表格、数学公式、代码块、注释），大文件分批，逐页浏览器对比、发现一处修一处，直至完全一致。Use when ingesting/restoring a PDF into a Knowledge corpus with high fidelity.
将 Knowledge / Documents 文档的英文 Markdown 正文按段落分块高保真翻译为中文：代码块、行内代码、URL、图片路径、LaTeX 公式、HTML 标签、front-matter 键名逐字节保留不翻，Markdown 结构与原文一一对应，逐块翻译禁止合并/拆分/遗漏。Use when translating chunked Markdown documents (source/chunk_NNNN.md → translated/chunk_NNNN.md) in a translation workdir.
Manage large document processing by splitting into batches and coordinating the full translation workflow (extraction, translation, formatting). Use when handling documents larger than 30 pages, 60 paragraphs, or 6000 words.
对文档进行系统性 Review，包括但不限于：审计与熵减优化，确保架构正交、逻辑自洽、内容完整且直观。
将 PDF 格式或 Web Page 格式的源文档转换成保持原排版格式的 Markdown 格式精译中文文档。
仔细阅读并理解目标文档全文，输出一个对目标文档的理解摘要和读后感悟，将之保存到愫读文档中。
| name | web-translator |
| description | Extract web page content and convert to Markdown format while preserving structure, images, tables, and links. Use when converting web pages to Markdown for further processing. |
| allowed-tools | data-extractor, web-reader, filesystem |
专门处理网页内容的提取和转换，将网页内容转换为标准的 Markdown 格式，保持原有的结构和格式。
使用适当的工具：
data-extractor.convert_webpage_to_markdown - 主要工具web-reader.webReader - 备用方案extract_main_content: true # 提取主要内容
include_metadata: true # 包含元数据
embed_images: false # 图片保存为独立文件
extract_links: true # 提取链接信息
preserve_formatting: true # 保持格式
https://example.com/article
- https://example.com/doc1
- https://example.com/doc2
- https://example.com/doc3
/path/to/local/file.html
# 文章标题
**作者**: Author Name
**发布时间**: 2025-01-01
**来源**: Example Website
## 摘要
文章摘要内容...
## 正文内容
### 1. 章节标题
章节内容段落...
| 表格标题 |
| -------- |
| 内容 |
- 列表项 1
- 列表项 2
- 列表项 3
[相关链接](https://example.com)
{
"title": "文章标题",
"author": "Author Name",
"publish_date": "2025-01-01",
"source": "Example Website",
"url": "https://example.com/article",
"word_count": 1500,
"reading_time": "5 min"
}
{
"images": [
{
"src": "https://example.com/image1.jpg",
"alt": "图片描述",
"local_path": "images/article/image1.jpg"
}
],
"links": [
{
"text": "链接文本",
"url": "https://example.com/link",
"type": "external"
}
]
}
提取这个网页的内容：https://example.com/article
批量提取这些网页：
- https://example.com/guide1
- https://example.com/guide2
提取网页内容并保存到文件：https://example.com/doc --output doc.md
提取网页，保存图片到指定目录：https://example.com --images-dir ./images
```javascript
// 保持原始代码
function example() {
return true;
}
```
### 引用块
```markdown
> 这是引用内容
> 可以是多行
行内公式：$x^2 + y^2 = z^2$
块级公式：
$$
\sum_{i=1}^{n} x_i = X
$$
内容提取不完整
格式混乱
图片无法下载
编码问题