# Come convertire una pagina web in Markdown per un LLM > Come convertire una pagina web in Markdown per un LLM nel 2026: tre metodi, cosa conserva il Markdown pulito e come limitare i token. - URL: https://webreaderapi.com/it/guides/convert-web-page-to-markdown/ - Ultimo aggiornamento: 2026-10-22 - Editore: WebReaderAPI (https://webreaderapi.com) Copia e incolla funziona per una pagina. Una libreria funziona se gestisci il tuo crawler. Un'API funziona quando vuoi una richiesta per pagina. Ecco come scegliere, come appare un buon output e il codice che puoi riutilizzare. **Risposta rapida — Come converto una pagina web in Markdown per un LLM?** Recupera la pagina, mantieni solo il contenuto principale, poi trasforma intestazioni, elenchi, tabelle e link in Markdown e limita la lunghezza al budget del tuo modello. Puoi farlo a mano, con librerie open-source o con una sola chiamata API: **WebReaderAPI** restituisce il Markdown e i metadati per un credito per pagina, da 0,07 USD/1K pagine a ottobre 2026. Senza KYC; paghi in criptovalute. ## Tre modi per ottenere Markdown da una pagina web | Attributo | Valore | | --- | --- | | A mano | Copia il testo dal browser o dalla sua modalità lettura; va bene per qualche pagina | | Librerie open-source | Readability, Trafilatura, MarkItDown o Crawl4AI dentro il tuo fetcher | | Un'API web reader | `GET https://webreaderapi.com/api/v1/read?url=…` restituisce Markdown, titolo, autore e data | | Controllo della lunghezza | `max_chars` su WebReaderAPI, oppure tagli tu il testo dopo la conversione | | Pagine JavaScript | Serve un browser headless; WebReaderAPI le renderizza quando necessario, per 2 crediti | ## Quale metodo devo usare? Scegli in base al volume e a quanta infrastruttura vuoi gestire. | Metodo | Adatto a | Cosa gestisci tu | |---|---|---| | Copia e incolla | Poche pagine, un prompt una tantum | Pulizia manuale | | Libreria nel tuo codice | Volumi costanti, controllo totale | Fetching, browser, robots.txt, PDF, retry | | API web reader | Agenti e pipeline che leggono molti siti | Solo la richiesta e il risultato | Le librerie ti danno controllo e nessun costo per pagina. Il costo è operativo: un browser headless per le pagine JavaScript, un controllo di robots.txt, la gestione di set di caratteri e redirect, e un percorso separato per i PDF. Un'API racchiude tutto questo in una singola chiamata HTTP. ## Cosa deve conservare un buon Markdown e cosa deve scartare? Un buon Markdown conserva ogni elemento che porta significato e scarta tutto ciò che esiste solo per il layout o per il marketing. - **Conserva i titoli** come `#`, `##` e `###`: indicano al modello, e al tuo chunker, dove inizia ogni argomento. - **Conserva liste e tabelle** come liste Markdown e pipe table, così passaggi e numeri restano leggibili. - **Conserva i link** come `[text](url)`: permettono a un assistente di citare e seguire le fonti. - **Conserva i blocchi di codice** delimitati, con il linguaggio quando la pagina lo mostra. - **Scarta menu, avvisi sui cookie, annunci, widget degli articoli correlati e footer**: si ripetono su ogni pagina e sporcano il retrieval. Verifica il risultato su alcune delle tue pagine reali. Gli strumenti di estrazione divergono soprattutto su forum, tabelle lunghe e pagine con più articoli. ## Quanto è più piccolo il Markdown rispetto all'HTML? Di solito molto più piccolo, perché l'arredamento della pagina e il markup spariscono. Quando Cloudflare ha lanciato la sua funzione Markdown for Agents il 12 febbraio 2026, la sua pagina di esempio è passata da 16.180 token come HTML a 3.150 token come Markdown, circa l'80% in meno. Il tuo rapporto dipende dal sito. Gli articoli lunghi si riducono meno, in percentuale, rispetto alle pagine brevi avvolte in template pesanti. Misura sulle tue fonti prima di dimensionare un budget. ## Come mantengo una pagina entro il budget di token del mio modello? Limita il testo prima che raggiunga il modello, poi suddividi ciò che resta lungo i titoli. Con WebReaderAPI, il parametro `max_chars` taglia il Markdown a una lunghezza impostata, tra 1.000 e 500.000 caratteri. Il campo `word_count` ti dice quanto era lungo l'articolo completo, così un agente può decidere se vale la pena leggere il resto. Per il retrieval, suddividi prima sui titoli e solo dopo taglia le sezioni lunghe. Un chunk che inizia con il proprio titolo mantiene il suo argomento; un chunk tagliato a metà frase da una pagina lunga no. *Python: leggi una pagina come Markdown e suddividila in chunk basati sui titoli* ```python import os import re import requests API = "https://webreaderapi.com/api/v1/read" HEADERS = {"Authorization": "Bearer " + os.environ["WEBREADER_API_KEY"]} def page_to_chunks(url, max_chars=60000, chunk_len=1500): params = {"url": url, "format": "markdown", "max_chars": max_chars} resp = requests.get(API, headers=HEADERS, params=params, timeout=90) data = resp.json() if resp.status_code != 200: print("not read:", data["error"]["code"]) return [] chunks = [] for section in re.split(r"\n(?=#{1,3} )", data["markdown"]): section = section.strip() while section: chunks.append(section[:chunk_len]) section = section[chunk_len:] return [{"text": c, "source": data["final_url"], "title": data["title"]} for c in chunks] if __name__ == "__main__": for chunk in page_to_chunks("https://example.com/guides/compost")[:3]: print(chunk["title"], "|", chunk["text"][:80]) ``` ## Cosa va storto di solito e come me ne accorgo? Quattro problemi spiegano la maggior parte delle conversioni sbagliate: - **Output vuoto.** La pagina costruisce il contenuto con JavaScript. Cerca un `word_count` basso; renderizza la pagina in un browser, oppure imposta `render=true`. - **Testo di cookie o consenso nel risultato.** L'estrattore ha tenuto un banner. Preferisci l'estrazione del contenuto principale e controlla le prime righe di ogni risultato. - **Tabelle mancanti.** Alcuni siti disegnano le tabelle come immagini o elementi canvas; nessun estrattore di testo può leggerle. - **Un rifiuto invece di una pagina.** Il sito ha vietato gli accessi in robots.txt o ha rifiutato la richiesta. Rispettalo: chiedi l'accesso al proprietario, oppure usa un'API o un feed ufficiale se il sito ne offre uno. Nessuno di questi si risolve riprovando più in fretta. Leggi l'errore, poi cambia il metodo o la fonte. ## Da pagina web a Markdown: domande frequenti ### Il Markdown è meglio del testo semplice per un LLM? Per la maggior parte delle pagine, sì. Il Markdown conserva titoli, liste, tabelle e link a un costo contenuto in token, così il modello vede la struttura e può citare le fonti. Il testo semplice è leggermente più corto ma perde quella struttura. ### Posso convertire un intero sito web, non solo una pagina? Sì. Fai il crawling e converti ogni pagina. L'[API di crawling](https://webreaderapi.com/it/crawl-api/) di WebReaderAPI fa entrambe le cose in un unico job: Crawling di un sito web per job, fino a 10.000 pagine, seguendo la sua sitemap, il suo robots.txt e il suo Crawl-delay. ### Posso convertire un PDF allo stesso modo? Sì, inviando l'URL del PDF allo stesso endpoint. I file PDF fino a 20 MB e 100 pagine vengono convertiti in Markdown, a 1 credito per ogni blocco di 10 pagine iniziato. ### E le pagine dietro un login? Non convertirle tramite un servizio di terze parti, a meno che non siano tue e tu le abbia esportate personalmente. WebReaderAPI legge solo pagine pubbliche e non accede mai agli account. ### Esiste un modo gratuito per farlo? Le librerie open source sono gratuite da usare e girano sulle tue macchine. WebReaderAPI non ha un piano gratuito; il suo pack più piccolo è 10.000 pagine per 3,75 USD, pagato in criptovalute senza KYC. ## Fonti 1. [Presentiamo Markdown for Agents](https://blog.cloudflare.com/markdown-for-agents/) — Cloudflare (2026-02-12) --- WebReaderAPI: WebReaderAPI è un'API web reader per agenti AI che converte qualsiasi pagina web pubblica in Markdown pulito, con pagamento in criptovalute e senza caricare documenti d'identità. I crediti prepagati da 0,07 USD/1K pagine non scadono mai e robots.txt viene rispettato. Senza KYC — niente documento, niente selfie, niente documenti. Paga in criptovalute.