markdown_web_browser

任意网页渲染成带来源的 Markdown，直接喂给 AI

markdown_web_browser 是一个面向 AI 智能体与自动化管线的网页转 Markdown 工具。它用无头 Chrome 渲染任意 URL，把整页截图切成适合 OCR 的小块，再通过 OCR 还原出结构化 Markdown，并附带来源信息（provenance）一并返回。它解决的核心问题是：很多网页依赖 JavaScript 动态渲染，普通抓取拿不到正文，而直接丢给大模型又缺少可追溯的来源。该项目把渲染、切片、OCR、结构化输出串成一条流水线，让智能体拿到干净、可引用的 Markdown 文本，而不是一堆 HTML 噪声。核心能力包括：任意 URL 的无头渲染、截图分块 OCR、Markdown 结构化输出、来源溯源，以及面向 AI 管线流式返回结果。适合需要把网页内容喂给 LLM 或做自动化数据采集的场景。

开源 free 自动化工作流

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 183

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类自动化工作流

开发团队Dicklesworthstone

所属国家

官网地址

GitHubhttps://github.com/Dicklesworthstone/markdown_web_browser

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ai-agents,markdown,ocr,python,web-scraping

GitHub 星标★ 183

30天Star增速

HF 下载量

上线时间2025-11-07 00:00:00

最近更新2026-09-17 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

核心亮点

用无头 Chrome 渲染，能处理 JS 动态页面，比纯 HTTP 抓取覆盖更广
截图切片再 OCR，规避复杂 DOM 解析，对结构混乱页面更鲁棒
输出带 provenance 溯源信息，方便 AI 引用和结果核验

不足之处

依赖 OCR，对图片文字、代码块、表格的还原精度可能不如直接解析 DOM
基于截图渲染，速度与资源开销高于纯文本抓取

适用场景

给 LLM 智能体提供可引用的网页正文
自动化采集动态渲染页面的内容做知识库
把网页内容转 Markdown 后接入 RAG 管线

替代项目

trafilatura、markdownify、Jina Reader

项目介绍

markdown_web_browser 是一个自动化工作流领域的开源项目，官方简介：Renders any URL via headless Chrome, tiles screenshots into OCR slices, and streams structured Markdown + provenance back to AI agents and pipelines。项目使用 Python 开发，在 GitHub 上获得 183 星标。

上一篇：Charge-Grinder

下一篇：typesafe-computer-use