适用人群

网页表格转成 Markdown，一路不散架

通用的 HTML 转 Markdown 转换器，偏偏在最要紧的表格上出错：单元格里带列表、链接或代码示例的那种。Clean Web Clipper 自己序列化表格，把单元格内容压平，而不是丢掉整行。

数字在哪一步丢了

你保存这个页面，就是为了那张表：价格档位、调用频率限制、数据保留期、数据结构定义。把剪藏粘进笔记，却发现一行被摊成了一整页，竖线位置全乱，还有一列悄悄和旁边那列并在了一起。原始数字还在身后的浏览器里，所以这种错误很容易被忽略，直到那个标签页被关掉。

反方向的错误同样要耗掉一个下午。很多网站仍然只是拿 table 来排版，一个把所有表格都当数据处理的转换器，会塞给你二十行伪装成数据集的导航。一种结果是花时间重敲数字，另一种是花时间删网格，哪一种都不是你坐下来要做的分析。

手工重敲还有第三种代价，要很久以后才显现。手敲进表格的数字不带来源、不带日期，也无从核对：六周后，没人说得清 D14 单元格里的数据保留期是一月还是三月从页面上抄来的，而页面此后又改过两次。价格、频率限制和配额的变动往往不会公告。表格上方带着来源网址和页面声明日期的剪藏，能回答这个问题；下个季度你再剪藏同一页面、比较两个文件时，它还能再回答一次。

哪些内容能完整转过来

• 专门为此编写的 GFM 表格序列化器，而不是给通用转换器外挂的插件。
• 技术语料上 15 个表格保住 12 个，参与对比的每个引擎各保住 7 个。
• 参差不齐的两列表格 转成加粗的键和值，而不是一张散架的网格。
• 排版用的表格会被拆开：只用于定位的网格交出其中的内容，网格本身不保留。
• 单元格里的代码仍然是代码，代码块带着语言标记。
• 在页面上选中表格，只剪藏选中内容，适合用不到周围文章的时候。
• 来源网址和页面声明的日期写在表格上方，一组数字带着它有效的日期，而不是你碰巧归档的日期。
• 同一页面的第二次剪藏加数字后缀，从不覆盖：正因如此，按季度做 diff 才成为可能。

• 这些数字从哪里来：基准测试页面，含引擎版本与测试日期

---
title: "中华人民共和国2024年国民经济和社会发展统计公报"
source: "https://www.stats.gov.cn/sj/zxfb/202502/t20250228_1958817.html"
date: "2025-02-28"
extraction: "dom"
---

表2　2024年居民消费价格比上年涨跌幅度

单位：%

| 指标 | 全国 | 城市 | 农村 |
| --- | --- | --- | --- |
| 居民消费价格 | 0.2 | 0.2 | 0.3 |
| 其中：食品烟酒 | -0.1 | -0.1 | -0.1 |
| 衣着 | 1.4 | 1.6 | 0.9 |
| 居住 | 0.1 | 0.1 | 0.1 |
| 生活用品及服务 | 0.5 | 0.4 | 0.8 |
| 交通通信 | -1.9 | -2.0 | -1.5 |
| 教育文化娱乐 | 1.5 | 1.5 | 1.6 |
| 医疗保健 | 1.3 | 1.2 | 1.5 |
| 其他用品及服务 | 3.8 | 3.8 | 3.6 |

为表格做好设置

两项设置，加一个习惯。这个习惯（剪藏前先滚动到底）能找回的行，比任何设置都多。

1. 点击扩展程序图标打开 设置，把保存位置指向工作数据所在的文件夹，例如放在使用这些数据的 notebook 或表格文件旁边的 data/sources。
2. 把点击图标保持为 打开窗口。表格是唯一值得在归档前看一眼的东西：列有没有对齐，在窗口里一眼可见，在文件列表里却完全看不出来。
3. 把文件名模板设为 {date}-{domain}-{title}，这样一月和四月保存的同一个价格页面会是两个文件，而且排在一起。
4. 在 frontmatter 中打开 source 和 date。一张不带来源网址的表格，就是一组迟早有人得重新推算的数字。
5. 剪藏前，把表格滚动到最底部。随滚动加载的行在加载之前并不存在于 DOM 中，而扩展程序读取的是你剪藏那一刻的 DOM。
6. 如果周围的文章用不上，就在页面上选中表格，只剪藏选中内容。窗口顶部的开关会确认你看到的是选中内容，而不是整个页面。
7. 为数字会变动的页面在日历里设一个定期剪藏：配额、价格、数据保留期。这批资料的价值在第二次剪藏，而不在第一次。

要反复使用的数字，这样设置

下面每一个值的目的都一样：六个月后再读这张表，它仍然说得清自己从哪里来、是什么时候的数据。

**Content-Type**
: 资源的媒体类型。每个带请求体的请求都必须提供。

**Cache-Control**
: 请求和响应中用于缓存机制的指令。

**Retry-After**
: 以秒为单位的延迟，或一个 HTTP 日期，表示在此之后重试。

原网格的表头有合并单元格，最后一行里还嵌着一个列表。
照搬成 Markdown 表格会散架，转成键值对则不会。

三张表，三种结果

把价格表放进对比表格

四家供应商，四个价格页面，剪藏四次。每张表都转成 GFM 表格，套餐名、金额和限额都在原来的单元格里，上方带着来源网址，于是整张对比表拼好了，一个数字都没有重敲。

序列化器正是在这里派上用场：让通用转换器出错的，恰恰是带脚注标记、带功能列表或带代码示例的单元格。在 15 个表格的技术语料上，这里保住了 12 个，参与对比的每个引擎各保住 7 个。

同一页面，相隔一个季度

你在二月和五月各剪藏了一次某服务商的调用频率限制。第二个文件加了数字后缀。diff 显示，入门套餐的突发额度减半，最高档套餐的数据保留期延长，而这两项变化都没有在任何地方公告。

没有二月的文件，这个变化就无法证明，因为页面只显示当前状态，此前的数字在供应商公开的任何地方都找不到了。整个方法的前提，是第一次剪藏足够便宜，便宜到你在知道它重要之前就已经存下了。

一张没法当表格的网格

一个规范页面用两列网格定义了二十个请求头，表头有合并单元格，其中一行还嵌着列表。照搬成 Markdown 表格会塌掉；实际转出来的是加粗的键，值在下面，无论阅读还是搜索都没有损失。

这是有意的设计，而不是退而求其次的失败。参差不齐的两列表格，更多时候是套着网格外衣的定义列表，而不是数据；修一张散架的竖线表格，比读一份列表费劲得多。

和常见的搬表格方法比

这些方法都能把数字从页面上弄下来。区别在于数字带着什么一起过来，以及之后你还得做什么。

表格转得不对时

合并单元格没了

Markdown 没有合并单元格，所以 colspan 和 rowspan 会被压平：内容保留，视觉上的合并不保留，因为这种格式表达不了。原本横跨三列的表头，文字会落在其中第一列。这是目标格式的特性，而不是转换的问题，任何 Markdown 表格都表达不了合并。

少了一半的行

扩展程序读取的是你剪藏那一刻的 DOM，所以随滚动加载的行（或者藏在“显示更多”按钮后面、分页显示的行），只要你没让它们加载出来，就还不存在。先滚动到底，展开能展开的，再剪藏。分页的表格，每一页剪藏一次，之后再合并；浏览器从未收到的行，没有别的办法能找回。

得到的是一张导航网格，不是数据

那是排版表格：纯粹用于定位的网格，许多老网站仍用它来做菜单和页头。这类表格会被拆开而不是转换，内容保留，网格不保留。如果导航网格还是以表格形式进了笔记，那是因为页面把它标记成了数据表格：标记说“这是数据”，扩展程序就照此处理。

表格变成了键和值

这是参差不齐的两列表格的处理路径。行不整齐的两列表格，通常是画成网格的定义列表，照搬成竖线表格只会得到一张散架的网格，而不是一张可读的表。内容是完整的：加粗的键，值在下面，顺序和原文一致。如果确实需要真正的表格，这些键值对可以机械地转回去。

格式本身的边界

Markdown 没有合并单元格，所以 colspan 和 rowspan 会被压平：内容保留，视觉上的合并不保留，因为这种格式表达不了。嵌在单元格里的表格对所有工具都是难题，这个也不例外。它不会从图表图片里读出数字，也不导出 CSV 或 XLSX，输出就是 Markdown。而且它一次只转换一个页面：你当前所在的那个页面。

常见问题