# Jak przekonwertować stronę internetową do Markdown dla LLM

> Jak przekonwertować stronę do Markdown dla LLM: trzy metody, co zachowuje czysty Markdown i jak ograniczyć tokeny, z kodem Python dzielącym to na fragmenty.

- URL: https://webreaderapi.com/pl/guides/convert-web-page-to-markdown/
- Ostatnia aktualizacja: 2026-10-22
- Wydawca: WebReaderAPI (https://webreaderapi.com)

Kopiowanie i wklejanie działa dla jednej strony. Biblioteka działa, jeśli uruchamiasz własny crawler. API działa, gdy chcesz jedno zapytanie na stronę. Oto jak wybrać, jak wygląda dobry wynik i kod, który możesz ponownie wykorzystać.

**Szybka odpowiedź — Jak przekonwertować stronę internetową do Markdown dla LLM?**

Pobierz stronę, zachowaj tylko jej główną treść, następnie zamień nagłówki, listy, tabele i linki na Markdown i ogranicz długość do budżetu modelu. Możesz to zrobić ręcznie, za pomocą bibliotek open-source lub jednym wywołaniem API: **WebReaderAPI** zwraca Markdown i metadane za jeden kredyt na stronę, od 0,07 USD/1K stron na dzień października 2026. Bez KYC; płatność kryptowalutą.

## Trzy sposoby na uzyskanie Markdown ze strony internetowej

| Atrybut | Wartość |
| --- | --- |
| Ręcznie | Skopiuj tekst z przeglądarki lub jej widoku czytnika; w porządku dla kilku stron |
| Biblioteki open-source | Readability, Trafilatura, MarkItDown lub Crawl4AI we własnym fetcherze |
| API web readera | `GET https://webreaderapi.com/api/v1/read?url=…` zwraca Markdown, tytuł, autora i datę |
| Kontrola długości | `max_chars` na WebReaderAPI lub samodzielnie przytnij tekst po konwersji |
| Strony JavaScript | Wymagana przeglądarka headless; WebReaderAPI renderuje je w razie potrzeby za 2 kredyty |

## Którą metodę wybrać?

Wybierz według wolumenu i tego, ile infrastruktury chcesz utrzymywać.

| Metoda | Dla kogo | Co obsługujesz |
|---|---|---|
| Kopiuj i wklej | Kilka stron, jednorazowe zapytanie | Ręczne czyszczenie |
| Biblioteka w kodzie | Stałe wolumeny, pełna kontrola | Pobieranie, przeglądarki, robots.txt, PDF-y, ponowne próby |
| Web reader API | Agenci i pipeline’y czytające wiele witryn | Tylko zapytanie i wynik |

Biblioteki dają kontrolę i brak opłaty za stronę. Koszt jest operacyjny: przeglądarka headless dla stron JavaScript, sprawdzanie robots.txt, obsługa zestawów znaków i przekierowań oraz osobna ścieżka dla PDF-ów. API zwija to wszystko w jedno wywołanie HTTP.

## Co powinien zachować dobry Markdown, a co powinien pominąć?

Dobry Markdown zachowuje każdy element niosący znaczenie i pomija wszystko, co istnieje wyłącznie dla układu lub marketingu.

- **Zachowaj nagłówki** jako `#`, `##` i `###`: mówią modelowi i twojemu chunkerowi, gdzie zaczyna się każdy temat.
- **Zachowaj listy i tabele** jako listy Markdown i tabele z pionowymi kreskami, aby kroki i liczby pozostały czytelne.
- **Zachowaj linki** jako `[text](url)`: pozwalają asystentowi cytować i śledzić źródła.
- **Zachowaj bloki kodu** w ogrodzeniu, z językiem, gdy strona go pokazuje.
- **Pomiń menu, komunikaty o cookies, reklamy, widżety powiązanych postów i stopki**: powtarzają się na każdej stronie i zanieczyszczają wyszukiwanie.

Sprawdź wynik na kilku swoich rzeczywistych stronach. Narzędzia do wyodrębniania najbardziej różnią się na forach, długich tabelach i stronach z kilkoma artykułami.

## O ile mniejszy jest Markdown niż HTML?

Zwykle znacznie mniejszy, bo znikają elementy strony i znaczniki. Gdy Cloudflare uruchomił funkcję Markdown for Agents 12 lutego 2026, jego przykładowa strona zmniejszyła się z 16 180 tokenów jako HTML do 3 150 tokenów jako Markdown, czyli około 80% mniej.

Twój własny stosunek zależy od witryny. Długie artykuły kurczą się procentowo mniej niż krótkie strony owinięte w ciężkie szablony. Zmierz na swoich źródłach, zanim zaplanujesz budżet.

## Jak utrzymać stronę w budżecie tokenów mojego modelu?

Ogranicz tekst, zanim dotrze do modelu, a następnie podziel to, co pozostanie, wzdłuż nagłówków. W WebReaderAPI parametr `max_chars` przycina Markdown do ustalonej długości, od 1 000 do 500 000 znaków. Pole `word_count` mówi, jak długi był pełny artykuł, więc agent może zdecydować, czy czytanie reszty jest tego warte.

Do wyszukiwania najpierw dziel według nagłówków, a dopiero potem tnij długie sekcje. Fragment, który zaczyna się od własnego nagłówka, zachowuje temat; fragment wycięty w połowie zdania z długiej strony nie.

*Python: odczytaj stronę jako Markdown i podziel ją na fragmenty według nagłówków*

```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])

```

## Co zwykle idzie nie tak i jak to zauważyć?

Cztery problemy odpowiadają za większość złych konwersji:

- **Puste wyjście.** Strona buduje treść za pomocą JavaScript. Szukaj niskiego `word_count`; wyrenderuj stronę w przeglądarce lub ustaw `render=true`.
- **Tekst o cookies lub zgodzie w wyniku.** Ekstraktor zachował baner. Preferuj wyodrębnianie głównej treści i sprawdzaj pierwsze linie każdego wyniku.
- **Brakujące tabele.** Niektóre strony rysują tabele jako obrazy lub elementy canvas; żaden ekstraktor tekstu ich nie odczyta.
- **Odmowa zamiast strony.** Witryna zabroniła robotom w robots.txt lub odrzuciła żądanie. Uszanuj to: poproś właściciela o dostęp lub użyj oficjalnego API albo kanału, jeśli witryna go oferuje.

Żadnego z tych problemów nie naprawi szybsze ponawianie. Przeczytaj błąd, a następnie zmień metodę lub źródło.

## Konwersja strony internetowej do Markdown: często zadawane pytania

### Czy Markdown jest lepszy niż zwykły tekst dla LLM?

Dla większości stron tak. Markdown zachowuje nagłówki, listy, tabele i linki przy niewielkim koszcie tokenów, więc model widzi strukturę i może cytować źródła. Zwykły tekst jest nieco krótszy, ale traci tę strukturę.

### Czy mogę przekonwertować całą witrynę, nie tylko jedną stronę?

Tak. Zindeksuj ją i konwertuj każdą stronę. [crawl API](https://webreaderapi.com/pl/crawl-api/) WebReaderAPI robi jedno i drugie w jednym zadaniu: Crawling jednej witryny na zadanie, do 10 000 stron, zgodnie z jej sitemapą, jej robots.txt i jej Crawl-delay.

### Czy mogę przekonwertować PDF w ten sam sposób?

Tak, wysyłając URL pliku PDF do tego samego endpointu. Pliki PDF do 20 MB i 100 stron są konwertowane do Markdown, po 1 kredycie za każdy rozpoczęty blok 10 stron.

### A co ze stronami za logowaniem?

Nie konwertuj ich przez usługę zewnętrzną, chyba że są twoje i sam je wyeksportowałeś. WebReaderAPI odczytuje tylko publiczne strony i nigdy nie loguje się do kont.

### Czy istnieje darmowy sposób, aby to zrobić?

Biblioteki open source są darmowe w użyciu i działają na twoich maszynach. WebReaderAPI nie ma darmowego planu; jego najmniejszy pakiet to 10 000 stron za 3,75 USD, płatny kryptowalutą bez KYC.

## Źródła

1. [Przedstawiamy Markdown for Agents](https://blog.cloudflare.com/markdown-for-agents/) — Cloudflare (2026-02-12)

---

WebReaderAPI: WebReaderAPI to API czytnika stron internetowych dla agentów AI, które zamienia każdą publiczną stronę internetową w czysty Markdown, z płatnością kryptowalutą i bez przesyłania dokumentów tożsamości. Przedpłacone kredyty od 0,07 USD/1K stron nigdy nie wygasają, a robots.txt jest respektowany. Bez KYC — bez dowodu, bez selfie, bez dokumentów. Płatność kryptowalutą.