Extensie Chrome
Salvează pagina web în Markdown pe care nu mai trebuie să-l cureți
Clean Clipper salvează pagina web în Markdown dintr-un singur clic: titlul, autorul, data publicării și adresa sursei ajung în frontmatter, iar textul rămâne fără navigație. Totul se petrece în browserul dumneavoastră: fără cont, fără server, fără telemetrie.
Problema nu este niciodată conversia. Este tot ce vine odată cu ea.
Orice clipper transformă HTML în Markdown. Apoi deschideți notița și găsiți bara de cookie-uri, meniul lateral, o listă „citește și” și un tabel care s-a rupt pe drum. Clean Clipper este construit exact în jurul scoaterii lor, iar scoaterea este măsurată, nu doar afirmată.
ce păstrează celelalte clippere
[Sari la conținut](#main) [Autentificare](/login) [Cont nou](/inregistrare) [Acasă](/) [Știri](/stiri) [Sport](/sport) [Cultură](/cultura) [Mai mult](/mai-mult) Folosim cookie-uri și tehnologii similare ca să vă îmbunătățim experiența. [Accept toate] [Setări] # Articolul pentru care ați venit Primul paragraf adevărat al textului. <div class="promo-inline"> ## Citește și [Alt titlu](/a) [Încă un titlu](/b) [Și un al treilea](/c)
ce ajunge în notiță
# Articolul pentru care ați venit Primul paragraf adevărat al textului.
Ce face rezultatul curat
- Codul își păstrează limbajul. Blocul iese marcat cu
js, nu gol, așa că evidențierea sintaxei funcționează din clipa în care lipiți. - Tabelele rămân întregi. O celulă cu cod sau cu o listă nu mai rupe rândul.
- Notele de subsol chiar funcționează. Linkurile de referință devin
[^1], cu definițiile la finalul notiței, nu ancore moarte. - Data este citită, nu ghicită. JSON-LD,
article:published_time,citation_date(standardul arXiv / PubMed / IEEE),time[datetime], marcaje Unix. Dacă pagina nu are dată, câmpul rămâne gol, niciodată cu data de azi. - Meniurile, bannerele și „citește și” sunt tăiate. Benzile de logouri, paginarea și navigația repetată în fiecare secțiune nu ajung în notiță.
- Nicio etichetă rămasă. Niciun
divsautablerătăcit în mijlocul textului.
---
title: "Lanț Markov - Wikipedia"
source: "https://ro.wikipedia.org/wiki/Lanț_Markov"
date: "2008-03-19T14:22:08.000Z"
extraction: "dom"
---
Un lanț Markov este un proces stocastic care descrie o succesiune de evenimente
posibile, în care probabilitatea fiecărui eveniment depinde numai de starea
atinsă la evenimentul precedent.[^1]
[^1]: Gagniuc, Paul A. (2017). Markov Chains: From Theory to Implementation
and Experimentation. USA, NJ: John Wiley & Sons. pp. 1-235.Măsurat pe 512 pagini de pe cele mai vizitate site-uri din lume
Două rulări. Prima a luat 109 pagini de pe cele o sută de site-uri cele mai vizitate din lume și din Rusia și a comparat rezultatul cu alte trei motoare de extragere. A doua a luat primele cincizeci de site-uri din fiecare dintre cele douăsprezece țări europene – încă 403 pagini, fiecare preluată în limba țării respective.
Unde se salvează
- Copiază Markdownul în clipboard
- Descarcă fișierul
.md - Scrie într-un dosar ales de dumneavoastră pe disc
- Scrie direct în vaultul Obsidian – fără plugin, fără REST API local, fără schemă URI; fișierul pur și simplu apare
Clicul pe pictogramă se poate configura. Îl puteți lăsa să deschidă fereastra de previzualizare sau puteți face ca un singur clic să lase notița în vault și să nu deschidă nimic.
Sincer în privința sursei
Fiecare notiță poartă un câmp extraction. dom înseamnă că textul vine din ceea ce browserul a randat efectiv. jsonld-articlebody înseamnă că pagina nu a terminat randarea și corpul a trebuit citit din datele structurate ale paginii. Iar când pe pagină nu există niciun articol – o vitrină, un flux, o listă de rezultate – extensia o spune, în loc să vă arunce trei sute de linkuri.
Cincisprezece feluri în care este folosită
ProgramatoriBlocurile de cod își păstrează eticheta de limbaj: evidențierea funcționează din clipa în care lipiți.
Clean Clipper citește limbajul de pe pagina însăși – clasa blocului, elementul părinte, marcajul lăsat de evidențiatorul site-ului – și îl scrie pe gard. Pe un corpus tehnic de nouă pagini, eticheta a supraviețuit în 73 de blocuri din 156, față de 20 și 0 la celelalte două motoare măsurate. Restul paginii ajunge în Markdown obișnuit, fără bara laterală.
- Blocul iese ca ```js, nu gol – evidențierea funcționează în Obsidian, VS Code și pe GitHub din clipa în care lipiți
- Limbajul este citit de pe pagină – clasa blocului, elementul părinte, marcajul evidențiatorului – niciodată ghicit din cod
- Un tabel de parametri cu cod într-o celulă își păstrează rândurile, în loc să se turtească
Utilizatori ObsidianAlegeți un dosar din vault: un clic scrie notița acolo, iar Obsidian nici nu trebuie să ruleze.
Extensia scrie fișierul .md ea însăși, într-un dosar pentru care îi dați acces o singură dată. Nu există plugin din comunitate, nici server local, nici link obsidian:// de întreținut. Notița este pur și simplu acolo data următoare când deschideți vaultul.
- Fără plugin, fără server local, fără linkuri
obsidian:// - Obsidian nu trebuie să fie deschis – fișierul apare în dosar, iar indexul îl preia mai târziu
- Frontmatter YAML cu title, source, author, published și extraction, iar dumneavoastră alegeți ce câmpuri rămân
Fluxuri cu IANavigația repetată este context irosit. Este scoasă înainte ca textul să ajungă la model.
Când o pagină web este lipită într-un model, fiecare linie de meniu duplicată și fiecare banner intră la socoteala contextului și concurează cu textul care vă interesează. Pe un corpus de 109 pagini, Clean Clipper a lăsat 102 linii de navigație repetate, acolo unde celelalte trei motoare au lăsat 282, 478 și 491. Frontmatterul dă pe deasupra adresa sursei și data publicării.
- De aproximativ patru ori mai puține linii de navigație repetate decât media motoarelor comparate
- Zero resturi de etichete HTML pe cele 512 pagini măsurate – modelul nu are de ocolit marcaj rătăcit
- Frontmatterul dă explicit adresa sursei și data publicării, în loc să le lase de ghicit
CercetătoriData este citită din metadate, inclusiv `citation_date`, standardul folosit de arXiv, PubMed și IEEE.
Un articol salvat fără data publicării devine o referință pe care va trebui să o reconstituiți mai târziu. Extensia citește data din metadatele paginii, în loc să o caute prin text, și lasă câmpul gol atunci când pagina nu poartă niciuna. Linkurile de referință, la rândul lor, devin note Markdown adevărate, adunate la finalul fișierului.
- Citește
citation_dateșicitation_publication_date– metaetichetele emise de arXiv, PubMed și IEEE - Citește și JSON-LD
datePublished,article:published_time,time[datetime]și marcajele Unix - Nicio dată pe pagină înseamnă câmp gol, niciodată data de azi
StudențiCursuri, capitole și pagini de referință devin fișiere Markdown pe care le păstrați.
Materialele dispar la sfârșitul semestrului și linkurile putrezesc; un fișier Markdown de pe discul dumneavoastră, nu. O preluare ia textul, adresa sursei și data, și se deschide în orice editor, cu sau fără rețea. Tot ce este descris aici este gratuit și nu cere niciun cont.
- Selectați un pasaj și se preia doar selecția – util pentru o definiție sau un enunț
- Fiecare notiță poartă adresa sursei, așa că citarea ei mai târziu nu cere nicio căutare
- Fișierele se deschid offline, în Obsidian, Logseq, Joplin sau într-un simplu editor de text
AutoriFiecare preluare păstrează adresa sursei, autorul și data publicării: atribuirea nu se pierde.
Documentarea strânsă din capturi de ecran și semne de carte încetează să fie utilă exact în clipa în care trebuie indicată sursa. Un fișier Markdown cu frontmatter ține titlul, autorul, data publicării și adresa originală chiar în fișier. Rămâne lizibil și căutabil peste ani, fără să depindă de vreun serviciu.
- Titlu, autor, dată a publicării și adresa sursei în frontmatterul fiecărui fișier
- Autorul este căutat în datele structurate și în semnăturile de articol, iar potrivirile false sunt înlăturate
- Corpul articolului fără navigație și fără blocuri promoționale, gata de citat
JurnaliștiFixați pagina așa cum ați citit-o, cu data publicării și cu adresa ei.
Paginile sunt rescrise, corectate și retrase, adesea fără nicio mențiune despre schimbare. O preluare care poartă adresa sursei, data publicării și textul întreg este o urmă pe care o puteți arăta mai târziu. Ea stă pe discul dumneavoastră, în Markdown, nu într-un serviciu care se poate închide.
- Data publicării citită din metadatele paginii, nu căutată prin text
- Adresa sursei în frontmatterul fiecărei notițe, cu titlul așa cum era atunci
- Textul întreg al articolului, fără blocurile de navigație și de promovare care se schimbă de la o vizită la alta
Muncă juridicăTextul așa cum a fost publicat, cu adresa și data lui, într-un fișier care vă aparține.
Normele, condițiile generale și ghidurile se schimbă fără preaviz și fără istoric vizibil. O copie în Markdown care poartă adresa de unde vine și data pe care o afișa este urma a ceea ce spunea textul în ziua în care l-ați citit. Nimic nu este rezumat sau reformulat pe drum.
- Text cuvânt cu cuvânt – extensia nu rezumă, nu rescrie și nu reordonează nimic
- Adresa sursei și data publicării în frontmatter, deasupra textului
- Tabelele de cote, termene și praguri trec conversia întregi
AnaliștiSerializatorul de tabele este al extensiei: o celulă cu cod nu mai rupe rândul.
Convertoarele generice din HTML în Markdown se rup exact la tabelele care contează, cele cu o listă, un link sau o mostră de cod într-o celulă. Extensia scrie tabelul ea însăși și aplatizează conținutul celulei, în loc să piardă rândul. Pe un corpus de cincisprezece tabele, douăsprezece au trecut întregi, față de câte șapte la fiecare motor comparat.
- Serializator propriu de tabele GFM, nu o bibliotecă generică lipită deasupra
- Douăsprezece tabele din cincisprezece păstrate pe corpusul tehnic, față de câte șapte la fiecare motor comparat
- O celulă cu o listă, un link sau cod este aplatizată curat, în loc să rupă rândul
ProfesoriPreluați materialul, păstrați sursa, tipăriți-l sau puneți-l în notițe, fără ambalajul site-ului.
O pagină tipărită direct din browser își aduce pe foaie meniurile, bara de cookie-uri și reclamele. O preluare aduce textul, cu titlurile, exercițiile și tabelele lui, plus adresa sursei în frontmatter. Butonul de tipărire din fereastră tipărește preluarea, nu pagina.
- Un buton de tipărire care tipărește preluarea, nu pagina cu tot cu meniuri
- Modul de citire arată rezultatul fără simboluri Markdown, așa cum va ieși pe foaie
- Adresa sursei rămâne în notiță, așa că indicarea ei nu cere niciun efort
TraducătoriNavigația, bannerele și meniurile repetate nu ajung niciodată în lista de segmente.
Textul-sursă lipit dintr-o pagină web își aduce navigația cu el, iar fiecare element de meniu devine un segment pe care trebuie să îl săriți. Extensia taie ambalajul înainte de export, așa că lista de segmente începe direct cu textul. Formatarea din interiorul frazei – aldin, cursiv, linkuri, cod – trece ca echivalent Markdown.
- Meniurile, paginarea și fluxurile „citește și” sunt tăiate înainte de export
- Liniile de navigație repetate scad de aproximativ patru ori față de motoarele comparate
- Markdownul obișnuit se importă în orice unealtă CAT importantă, fără conversie intermediară
Product manageriListe de modificări, documentație și note de versiune devin notițe datate și căutabile.
Documentarea despre concurență ținută în semne de carte se transformă într-o listă de linkuri prin care nu se poate căuta. Preluată în Markdown, devine un corpus prin care dați grep, pe care îl comparați și pe care îl citați într-un document de decizie. Data publicării este citită de pe pagină, așa că o intrare din lista de modificări își păstrează momentul real.
- Data publicării citită din pagină, așa că o intrare din lista de modificări își păstrează momentul real
- Regulile pe site trimit fiecare concurent în dosarul lui, cu propriul frontmatter
- Tabelele cu funcții și limite trec conversia întregi, gata de pus alături într-o comparație
Redactori tehniciStructura, blocurile de cod și tabelele trec dincolo; ambalajul site-ului, nu.
Mutarea unei documentații înseamnă de obicei să convertiți HTML și apoi să pierdeți mai mult timp scoțând ce a păstrat convertorul. Scoaterea este exact partea pentru care a fost construită extensia, și partea care a fost măsurată: zero resturi de etichete HTML pe cele 512 pagini preluate. Titlurile, listele, tabelele, gardurile de cod și notele ajung în Markdown standard.
- Titlurile, listele, tabelele, blocurile de cod și notele de subsol ajung toate în Markdown standard
- Etichetele de limbaj rămân pe garduri: 73 de blocuri din 156 pe corpusul tehnic, față de 20 și 0
- Zero resturi de etichete HTML pe cele 512 pagini măsurate
Arhivă personalăFișiere Markdown obișnuite, pe discul dumneavoastră. Fără cont și fără serviciu care se poate închide.
Semnele de carte trimit la pagini care se schimbă sau dispar. O preluare este textul însuși, într-un format fără furnizor și fără termen de expirare, păstrat unde hotărâți dumneavoastră. Fiecare fișier își poartă adresa sursei, data publicării și felul în care a fost obținut.
- Format deschis și durabil – text obișnuit cu frontmatter YAML, citit de orice editor
- Fără cont și fără server: extensia nu face absolut nicio cerere de rețea
- Data publicării și adresa sursei prinse odată cu textul, nu adăugate ulterior de mână
Citit fără zgomotUn mod de citire care arată textul fără meniuri, bannere și simboluri Markdown.
Ambalajul unei pagini nu este doar dezordine vizuală: este text pe care un cititor de ecran trebuie să îl rostească și pe care omul trebuie să îl sară. Fereastra preluării arată articolul singur, în tema deschisă sau întunecată a browserului dumneavoastră, iar fișierul salvat este text obișnuit, pe care îl citește orice unealtă de asistare.
- Modul de citire afișează preluarea ca text obișnuit, fără simboluri Markdown
- Urmează setarea de temă deschisă sau întunecată a browserului, fără un comutator separat
- Fereastra se extinde cât trei sferturi din ecran, pentru citit în tihnă