Website to Markdown API 测评：把任意网页转成 LLM 可读文本，优缺点与替代品

结论先说：Website to Markdown API 是一款把网页内容转成结构化 Markdown 的小工具，定位是给 AI 工作流提供“干净原料”，而不是通用爬虫。它适合已经在做 RAG、知识库或训练数据准备的人。

它的核心功能可以一句话概括：输入 URL，输出一份剥离了广告、导航和样式、只保留正文的 Markdown。返回值通常会针对大模型做优化，例如保留层级标题、表格和代码块，去掉干扰元素。

适合谁

如果你的工作是把网页内容喂给 LLM、做问答系统或构建本地知识库，这款工具的输出可以直接进入下一步，省掉一套自研清洗流程。它也适合内容团队批量采集竞品资料、博客或文档站点。

不太适合需要登录后内容、复杂 JS 渲染或反爬严格的站点。免费公开页面是它的舒适区，付费墙、登录态和动态加载内容通常不在它的能力范围内。

优点

输出格式对 LLM 友好是最大亮点：纯文本加结构化标记，token 消耗比原始 HTML 低不少。调用方式走 API，可以批量跑任务，也能嵌进现有流水线。

缺点

对复杂页面的稳定性是未知数，需要自己跑测试。价格、调用上限和并发限制在 Product Hunt 页面没有完整披露，正式接入前务必以官网为准。

替代品

同类方向有不少选择：Firecrawl 主打带 JS 渲染的整站抓取，Jina Reader 偏向轻量阅读接口，ScrapeGraphAI 强调用 LLM 解析页面。自托管派可以看看 Trafilatura 或 Mozilla Readability。

| 维度 | Website to Markdown API | Firecrawl | Jina Reader | 选择建议 |

| --- | --- | --- | --- | --- |

| 主要定位 | 网页转 LLM 可读 Markdown | 全栈抓取 + 爬取 | 轻量阅读接口 | 简单清洗选 API，全栈抓取选 Firecrawl |

| JS 渲染能力 | 偏弱，以静态页为主 | 强，支持动态站点 | 一般 | 动态站点优先 Firecrawl |

| 输出格式 | Markdown，针对 LLM 优化 | Markdown / JSON | Markdown / 结构化文本 | RAG 场景三者皆可 |

| 上手成本 | 低，API 调用即可 | 中，需配置爬取策略 | 低，几行代码 | 快速验证选 API，复杂任务选 Firecrawl |

| 价格透明度 | 以官网最新报价为准 | 有明确免费层和付费档 | 有免费额度，按 token 计费 | 预算敏感建议先比免费额度 |

如果只是做小规模测试，三个云服务都有免费层，足够跑通流程。生产环境要看调用量、并发和稳定性，再决定是付费 API 还是自托管。

试用与选型建议

建议先准备 10 到 20 个目标网页作为样本，覆盖文章、文档、列表页和带表格的页面。分别用 Website to Markdown API 和至少一个替代品跑一遍，对比 Markdown 干净度、字段完整性和 token 占用。样本数据决定选型结论，不要只看 demo。

接入时注意三点：把调用做成异步任务以应对超时；保留原始 HTML 作为兜底；对返回内容再做一次结构校验，避免模型读到残缺格式。

总结：作为“网页转 Markdown”的轻量工具，它在静态页面场景下效率高、接入快；但遇到动态站点或大规模抓取，还是要看 Firecrawl 这类更重的方案。先用小流量验证，再决定是否替换现有流程。