Zapisz stronę jako Markdown, którego nie trzeba sprzątać

Clean Web Clipper odczytuje język bloku kodu z samej strony – z klasy przy ogrodzeniu, z elementu nadrzędnego, ze znaczników kolorowania – i wpisuje go za backticki. Na korpusie technicznym metka przetrwała w 73 ogrodzeniach na 156, wobec 20 i 0 w dwóch porównywanych silnikach. Reszta strony trafia do notatki jako zwykły Markdown, bez kolumny bocznej.

• Ogrodzenie wychodzi jako ```js, a nie gołe – kolorowanie działa w Obsidianie, VS Code i na GitHubie od razu po wklejeniu
• Język jest czytany ze strony: z klasy przy ogrodzeniu, z elementu nadrzędnego, ze znaczników kolorowania – nigdy zgadywany z treści kodu
• Tabela parametrów z kodem w komórce zachowuje swoje wiersze, zamiast zwinąć się do jednej linii

Clean Web Clipper zapisuje plik .md wprost do folderu, który wskażesz – także do vaulta Obsidiana – z frontmatterem title, source i published na górze. Nie trzeba wtyczki, serwera lokalnego ani przechodzenia przez schowek: notatka pojawia się w vaultcie i Obsidian podnosi ją przy najbliższym odświeżeniu.

• Plik .md ląduje bezpośrednio w folderze vaulta, który wskażesz – bez wtyczki, bez serwera lokalnego, bez przechodzenia przez schowek
• Frontmatter z title, source, published i extraction stoi na górze i jest gotowy dla Dataview oraz dla właściwości Obsidiana
• Wzorzec nazwy pliku układasz sam: {date}-{title}, {domain}-{title} albo sam {title}

W przebiegu porównawczym na 109 stronach Clean Web Clipper zostawił 102 powtórzone linie nawigacji, tam gdzie trzy inne silniki zostawiły 282, 478 i 491 – i ani jednego resztkowego znacznika HTML. Do modelu trafia sam artykuł z nagłówkiem frontmattera, który podaje adres źródła i datę publikacji.

• Mniej więcej czterokrotnie mniej powtórzonej nawigacji niż średnio w porównywanych silnikach: 102 powtórzone linie wobec 282, 478 i 491.
• Zero resztkowych znaczników HTML na 512 sprawdzonych stronach: model nie ma czego omijać.
• Frontmatter podaje adres źródła i datę publikacji, więc twierdzenie da się przypisać, zamiast zgadywać jego pochodzenie.

Zapisany artykuł bez daty publikacji to przypis, który później trzeba odtwarzać. Clean Web Clipper czyta datę z metadanych samej strony, a nie z tekstu, a gdy strona żadnej daty nie podaje, pole zostaje puste, zamiast dostać dzisiejszy dzień.

• citation_date i citation_publication_date (znaczniki meta, które wystawiają arXiv, PubMed i IEEE) są czytane wprost.
• Także datePublished z JSON-LD, article:published_time, time[datetime] i znaczniki czasu Unix, w tej kolejności.
• Brak daty na stronie to puste pole – nigdy dzisiejsza data.

Materiały z przedmiotu znikają razem z końcem semestru: odnośniki wygasają, strona kursu idzie do archiwum, lektura na seminarium zmienia adres. Pliki Markdown na twoim dysku zostają i za dziesięć lat otworzą się w dowolnym edytorze, nadal z adresem źródła w środku.

• Zaznacz fragment, a zapisze się tylko zaznaczenie – tak bierze się jedną definicję bez strony wokół niej.
• Każda notatka niesie adres źródła, więc późniejsze cytowanie nie wymaga szukania.
• Widok do czytania pokazuje wycinek jako zwykły tekst, bez znaków Markdowna, jeszcze przed zapisem.

Materiał zbierany jako zrzuty ekranu i zakładki przestaje się nadawać do użytku dokładnie wtedy, gdy trzeba go przypisać autorowi. Plik Markdown trzyma tytuł, autora, datę i adres w tym samym pliku co tekst – tam, gdzie sięgnie weryfikacja.

• title, author, data i source we frontmatterze każdej notatki, więc przypisanie mieszka razem z tekstem.
• Pole autora jest filtrowane: nagłówki sekcji, nazwy publikacji i etykiety przycisków nie są brane za podpis.
• Tylko treść artykułu: okienka newslettera, paski udostępniania i listy „czytaj dalej” nie docierają do notatki.

Strony są redagowane i zdejmowane. Wycinek trzyma pełny tekst, adres źródła i datę publikacji zadeklarowaną przez samą stronę, w zwykłym pliku, który masz u siebie – a nie w serwisie, który może się zamknąć, zmienić regulamin albo po cichu zgubić zapis.

• Data publikacji czytana z metadanych samej strony – JSON-LD, article:published_time, time[datetime] – a nie z tekstu.
• Adres źródła stoi we frontmatterze każdej notatki.
• Pełny tekst artykułu bez nawigacji i bloków promocyjnych, które zmieniają się między wizytami.

Przepisy, regulaminy i oficjalne wyjaśnienia zmieniają się bez zapowiedzi. Kopia w Markdownie z adresem, spod którego pochodzi, i datą zadeklarowaną przez stronę to zapis tego, co tekst mówił w dniu, w którym go czytałeś.

• Tekst dosłowny – w treści artykułu nic nie jest streszczane, przepisywane ani przestawiane.
• Adres źródła i data publikacji zadeklarowana przez stronę we frontmatterze każdej notatki.
• Tabele opłat, terminów i progów serializuje samo rozszerzenie: 12 z 15 zachowanych na korpusie technicznym, wobec 7 w każdym porównywanym silniku.

Ogólne konwertery HTML do Markdowna psują się na tabelach, które się liczą: tych z listą, odnośnikiem albo przykładem kodu w komórce. Clean Web Clipper sam serializuje tabelę i spłaszcza zawartość komórki, zamiast gubić wiersz.

• Serializator tabel GFM napisany do tego zadania, a nie przykręcona wtyczka ogólnego konwertera.
• 12 tabel z 15 zachowanych na korpusie technicznym, wobec 7 w każdym porównywanym silniku.
• Nierówne tabele dwukolumnowe stają się liniami z pogrubionym kluczem i wartością zamiast rozsypanej siatki.

Strona wydrukowana prosto z przeglądarki przenosi na kartkę swoje menu, pasek zgody i reklamy. Wycinek przenosi tekst, a adres źródła zostaje w pliku, więc podanie źródła nie wymaga dodatkowej pracy.

• Przycisk drukowania, który drukuje wycinek, a nie stronę wokół niego.
• Widok do czytania pokazuje wynik jako zwykły tekst, bez znaków Markdowna, zanim wydrukujesz albo zapiszesz.
• Zaznacz jedno zadanie albo jedną definicję i zapisz tylko to.

Tekst źródłowy wklejony ze strony internetowej przynosi ze sobą nawigację, a każda pozycja menu staje się segmentem, który trzeba pominąć, policzyć i w końcu wytłumaczyć na fakturze. Clean Web Clipper usuwa ją, zanim plik w ogóle zbliży się do twojego narzędzia.

• Menu, paginacja, paski zgody i kanały „czytaj dalej” są wycinane, zanim plik powstanie.
• Powtórzona nawigacja zredukowana mniej więcej czterokrotnie wobec porównywanych silników: 102 powtórzone linie wobec 282, 478 i 491.
• Ani jednego resztkowego znacznika HTML na 512 sprawdzonych stronach, więc żaden zabłąkany znacznik nie zamieni się w tag wewnątrzsegmentowy.

Analiza konkurencji trzymana w zakładkach rozpada się w listę odnośników, której nie da się przeszukać. Zapisana w Markdownie staje się zbiorem, który przeszukasz grep, porównasz z zapisem z zeszłego kwartału i zacytujesz w dokumencie decyzyjnym razem z datą.

• Data publikacji odczytana ze strony, więc wpis z listy zmian zachowuje prawdziwy termin, a nie dzień, w którym go znalazłeś.
• Reguły dla witryn same kierują każdego konkurenta do jego folderu.
• Tabele cen i limitów przetrwają: 12 z 15 zachowanych na korpusie technicznym, wobec 7 w każdym porównywanym silniku.