HTML から JSON への変換方法
- .HTML ファイルを追加してください。上のボックスにドロップするか、クリックしてブラウズします。
- 数秒で .JSON に変換されます。
- 新しい .JSON ファイルをダウンロードしてください。
期待される結果
- 出力は JSON としての pandoc の抽象構文木であり、汎用的なスキーマでのページコンテンツのデータダンプではなく、ドキュメント構造を記述したものです。
- 視覚的なプレゼンテーションは保持されません。CSS、スクリプト、ピクセル単位のレイアウトは AST には含まれません。
- pandoc のドキュメントモデル外の HTML 構造は、そのままコピーされるのではなく、簡略化されるか省略されます。
よくある質問
これはどのような種類の JSON を生成しますか？
pandoc は独自のドキュメントモデルを出力します。これは、ページの抽象構文木（見出し、段落、リスト、リンクを型付きノードとして表現）を構造化した JSON 表現です。これは任意のスクレイピングされたデータや汎用的なキー/値のエクスポートではありません。なぜ pandoc を使用して HTML を JSON に変換するのですか？
JSON AST は、別の形式にレンダリングする前に pandoc フィルタでドキュメントをフィルタリングしたり変換したりするなど、プログラムによる処理を目的としています。これにより、ドキュメント構造がマシン読み取り可能なツリーとして公開されます。
生成された JSON は何で読み取れますか？
任意のテキストエディタや JSON ツールで表示でき、pandoc 自体もその JSON を読み戻して他の形式を生成できます。ただし、それを意味のある形で解釈するには、pandoc の AST スキーマを理解する必要があります。
変換で生き残らないものは何ですか？
Pandoc はテキストと構造のセマンティクスを保持しますが、プレゼンテーションは破棄します。CSS スタイリング、JavaScript、および正確な視覚的レイアウトは表現されません。Pandoc が自身のモデルにマッピングできないマークアップは、そのまま保存されるのではなく削除されます。
