സൗജന്യ HTML ടു Markdown കൺവെർട്ടർ

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഈ കൺവെർട്ടർ ഒരു കൈകൊണ്ട് എഴുതിയ, സീറോ-ഡിപെൻഡൻസി regex പൈപ്പ്ലൈനിന് ചുറ്റും നിർമ്മിച്ചതാണ് — മൂന്നാം കക്ഷി ലൈബ്രറിയൊന്നും ഇംപോർട്ട് ചെയ്തിട്ടില്ല. മുഴുവൻ പരിവർത്തനവും ഒരു React useMemo കോൾ വഴി നിങ്ങളുടെ ബ്രൗസറിനുള്ളിൽ പ്രവർത്തിക്കുന്നു, നിങ്ങൾ ടൈപ്പ് ചെയ്യുമ്പോൾ ഔട്ട്പുട്ട് തത്സമയം അപ്ഡേറ്റ് ചെയ്യുന്നു.

1. 1
   പേസ്റ്റ് ഡിറ്റക്ഷൻ റിച്ച് ടെക്സ്റ്റ് ഇന്റർസെപ്റ്റ് ചെയ്യുന്നു

   ബ്രൗസറിന് പ്ലെയിൻ ടെക്സ്റ്റ് പേസ്റ്റ് ചെയ്യാൻ കഴിയുന്നതിന് മുമ്പ് ഒരു ClipboardEvent ഹാൻഡ്‌ലർ ക്ലിപ്ബോർഡിൽ നിന്ന് text/html ഫ്ലേവർ വായിക്കുന്നു. ഒരു വെബ് പേജിൽ നിന്നോ Google Docs-ൽ നിന്നോ Word-ൽ നിന്നോ നേരിട്ട് പേസ്റ്റ് ചെയ്യുന്നത് ഇതിനർത്ഥം സ്വയമേവ അസംസ്കൃത HTML മാർക്കപ്പ് പിടിച്ചെടുക്കുന്നു എന്നാണ് — ആദ്യം സോഴ്സ് കാണേണ്ട ആവശ്യമില്ല.
2. 2
   മൾട്ടി-പാസ് regex പൈപ്പ്ലൈൻ ടാഗുകൾ നീക്കം ചെയ്ത് പരിവർത്തനം ചെയ്യുന്നു

   കൺവെർട്ടർ regex പാസുകളുടെ ഒരു കർശന ക്രമം പ്രവർത്തിപ്പിക്കുന്നു: ആദ്യം <head>, <script>, <style>, HTML കമന്റുകൾ നീക്കം ചെയ്യുന്നു, പിന്നെ പിന്നീടുള്ള പാസുകൾ കോഡ് ഉള്ളടക്കം കേടുവരുത്തുന്നത് തടയാൻ ഫെൻസ്ഡ് കോഡ് ബ്ലോക്കുകൾ null-byte പ്ലേസ്ഹോൾഡറുകൾക്ക് പിന്നിൽ സൂക്ഷിക്കുന്നു. തുടർന്നുള്ള പാസുകൾ ഹെഡിംഗുകൾ (h1–h6), ബ്ലോക്ക്ക്വോട്ടുകൾ, ചിത്രങ്ങൾ, ലിങ്കുകൾ, ബോൾഡ്/ഇറ്റാലിക്/സ്ട്രൈക്ത്രൂ, ordered, unordered ലിസ്റ്റുകൾ, അടിസ്ഥാന GFM പൈപ്പ് പട്ടികകൾ എന്നിവ കൈകാര്യം ചെയ്യുന്നു — ഓരോ പാസും ഒരു നിർദ്ദിഷ്ട ടാഗ് കുടുംബത്തെ ലക്ഷ്യമാക്കുന്നു.
3. 3
   എന്റിറ്റി ഡീകോഡിംഗും വൈറ്റ്‌സ്പേസ് നോർമലൈസേഷനും

   എല്ലാ ടാഗുകളും നീക്കം ചെയ്ത ശേഷം, ഒരു സമർപ്പിത decodeEntities ഫംഗ്ഷൻ named entities (&amp;, &lt; മുതലായവ) പ്ലസ് ന്യൂമെറിക് ദശാംശ, ഹെക്സ് ക്യാരക്ടർ റഫറൻസുകൾ (&#39;, &#x27;) String.fromCodePoint ഉപയോഗിച്ച് പരിഹരിക്കുന്നു. തെറ്റായ അല്ലെങ്കിൽ പരിധിക്ക് പുറത്തുള്ള കോഡ് പോയിന്റുകൾ പിശക് നൽകുന്നതിന് പകരം Unicode replacement ക്യാരക്ടർ കൊണ്ട് മാറ്റുന്നു. പിന്നിലെ സ്പേസുകൾ, ചുരുക്കിയ ശൂന്യ വരികളുടെ റണ്ണുകൾ, അധിക വൈറ്റ്‌സ്പേസ് എന്നിവ പിന്നെ നോർമലൈസ് ചെയ്യപ്പെടുന്നു.
4. 4
   സംരക്ഷിത കോഡ് സ്പാനുകൾ പുനഃസ്ഥാപിക്കപ്പെടുന്നു

   പ്ലേസ്ഹോൾഡർ സിസ്റ്റം (null-byte-വേർതിരിച്ച ഇൻഡെക്സുകൾ) നീക്കം ചെയ്യൽ, ഡീകോഡിംഗ്, വൈറ്റ്‌സ്പേസ് ചുരുക്കൽ എന്നിവ പൂർത്തിയായ ശേഷം അവസാനമായി അഴിക്കപ്പെടുന്നു. ഇത് കോഡ് ലിറ്ററലുകൾക്കുള്ളിലെ എന്റിറ്റി ശ്രേണികൾ രണ്ട് തവണ ഡീകോഡ് ചെയ്യപ്പെടുന്നത് തടയുന്നു — ലളിതമായ HTML-to-Markdown കൺവെർട്ടറുകളിലെ ഒരു സാധാരണ double-decode ബഗ്.

അനുബന്ധ ടൂളുകൾ