適用對象

轉換成 Markdown 後依然完整的表格

通用的 HTML 轉 Markdown 工具，偏偏在重要的表格上出錯：儲存格裡有清單、連結或程式碼範例的表格。Clean Web Clipper 自己序列化表格，把儲存格內容攤平，而不是丟掉那一列。

數字在哪裡弄丟

表格正是你存下這個頁面的原因：價格方案、速率限制、保存期限、資料結構描述。你把擷取內容貼進筆記，發現一列資料攤開成一整頁、直線符號出現在錯誤的位置，還有一欄悄悄和隔壁欄合併了。數字仍然在你身後的瀏覽器畫面上，所以這種失敗很容易被忽略，直到分頁關掉為止。

相反的失敗，也要花掉同樣一個下午。很多網站仍然只把 table 用來排版，把每一個都當成資料的轉換器，會交給你二十列偽裝成資料集的導覽。一種結果是花時間重打數字，另一種是刪掉一整個網格，而兩者都不是你坐下來要做的分析。

重打還有第三種代價，很久以後才會顯現。手動打進試算表的數字，沒有來源、沒有日期，也無從查核：六週後，沒人說得出儲存格 D14 中的保存期限是一月還是三月從頁面讀來的，而頁面在那之後已經改過兩次。價格、速率限制和配額會在沒有公告的情況下改變。上方附有來源網址和頁面宣告日期的擷取表格，能回答這個問題，下一季你再擷取同一個頁面並比對兩者時，也能再回答一次。

完整保留下來的東西

• 專為此撰寫的 GFM 表格序列化程式，而不是外掛上去的通用轉換器。
• 15 個表格保留 12 個（技術語料），比較的引擎各保留 7 個。
• 參差不齊的兩欄表格會變成粗體的鍵和值的行，而不是崩壞的網格。
• 版面表格會被拆開：只用來排版的網格，會交出內容而不保留網格。
• 儲存格中的程式碼仍是程式碼，程式碼區塊帶有語言標籤。
• 在頁面上選取表格並擷取選取範圍，不需要周圍的文章時就這麼做。
• 來源網址和頁面宣告的日期放在表格上方，所以一組數字帶著它有效的日期，而不是你碰巧歸檔的日期。
• 同一頁面的第二次擷取加上數字後綴，絕不覆寫；每季的差異比對因此才做得到。

• 這些數字從哪裡來：實測數據頁面，附引擎版本與日期

| Storage class | Meaning                                                |
| ------------- | ------------------------------------------------------ |
| `NULL`        | The value is a NULL value.                              |
| `INTEGER`     | A signed integer, stored in 1, 2, 3, 4, 6 or 8 bytes.   |
| `REAL`        | A floating point value, stored as an 8-byte IEEE number.|
| `TEXT`        | A text string, stored using UTF-8, UTF-16BE or UTF-16LE.|
| `BLOB`        | A blob of data, stored exactly as it was input.         |

為表格設定擷取

兩項設定和一個習慣。這個習慣，也就是擷取前先捲動，救回的列數比任何設定都多。

1. 從擴充功能圖示開啟選項，把存放位置指向工作資料所在的資料夾：使用這些資料的筆記本或試算表旁邊的 data/sources。
2. 把按下圖示的動作保留為預覽視窗。表格是唯一值得在歸檔前看一眼的東西：欄位有沒有對齊，一眼就看得出來，放進資料夾清單裡就看不見了。
3. 把檔名範本設為 {date}-{domain}-{title}，這樣一月和四月擷取的同一個價格頁面，會是兩個排在一起的檔案。
4. 在 frontmatter 中開啟 source 和 date。沒有來源網址的表格，只是一組遲早有人得重新推導的數字。
5. 擷取前，先捲到表格底部。捲動時才載入的列，載入之前並不存在於 DOM 中，而擴充功能讀取的是擷取那一刻的 DOM。
6. 不需要周圍的文章時，在頁面上選取表格並擷取選取範圍。視窗頂端的切換鈕會確認你看的是選取範圍，而不是整頁。
7. 為數字會變的頁面在行事曆上排定定期擷取：配額、價格、保存期限。這批資料的價值在第二次擷取，而不是第一次。

會重複使用的數字的設定

下面每一個值的目的，都是讓六個月後讀到的表格，仍然說得出它從哪裡來、是什麼時候的。

**Content-Type**
: The media type of the resource. Required on every request with a body.

**Cache-Control**
: Directives for caching mechanisms in both requests and responses.

**Retry-After**
: Either a delay in seconds or an HTTP-date after which to retry.

來源網格有合併的標題儲存格，最後一列還有巢狀清單。
重建成 Markdown 表格就會壞掉；改成成對的鍵與值就不會。

三張表格，三種結果

把價格表放進比較試算表

四家廠商、四個價格頁面、四次擷取。每張表格都以 GFM 表格呈現，方案名稱、金額和限制都在原本的儲存格裡，上方附有來源網址，所以比較試算表組起來時，沒有任何一個數字需要重打。

序列化程式正是在這裡發揮作用：會讓通用轉換器出錯的儲存格，就是裡面有註腳標記、功能清單或程式碼範例的那些。在包含十五個表格的技術語料上，這裡保留了十二個表格，比較的引擎各保留七個。

同一個頁面，相隔一季

你在二月和五月各擷取了一次某個供應商的速率限制。第二個檔案加上了數字後綴。差異比對顯示，入門方案的突發額度減半，最高方案的保存期限則延長了，而這兩件事都沒有在任何地方公告。

沒有二月的檔案，這個改變就無法證明，因為頁面只顯示目前的狀態，先前的數字也不存在於廠商公布的任何地方。整個方法依賴的是：在你知道它重要之前，第一次擷取就已經便宜到可以順手做。

無法成為表格的網格

一個規格頁面在兩欄網格中定義了二十個標頭，標題儲存格有合併，其中一列還有巢狀清單。重建成 Markdown 表格就會崩壞；它改為以粗體的鍵行和下方的值呈現，閱讀和搜尋時都沒有任何損失。

這個行為是刻意設計的，而不是失敗後的退路。參差不齊的兩欄表格，往往是披著網格外衣的定義清單，而不是資料；崩壞的直線表格比清單更難修復，清單卻很好讀。

和一般搬移表格的方式相比

以下每一種都能把數字從頁面上拿下來。差別在於數字帶來了什麼，以及你之後還得做什麼。

表格結果不對的時候

合併儲存格不見了

Markdown 沒有合併儲存格，所以 colspan 和 rowspan 會被攤平：內容保留，視覺上的合併不保留，因為這種格式無法表達。原本橫跨三欄的合併標題，文字會落在第一欄。這是目標格式的特性，而不是轉換的問題，任何地方的 Markdown 表格都無法表達它。

一半的列不見了

擴充功能讀取的是你擷取那一瞬間的 DOM，所以頁面在你捲動時才載入的列（或透過「顯示更多」按鈕提供、或分頁顯示的列），除非你讓它們出現，否則根本還不存在。捲到底、展開能展開的部分，再擷取。分頁顯示的表格，就每一頁各擷取一次：各部分之後可以合併，而瀏覽器從未收到的列，沒有任何方法能救回。

我拿到的是導覽網格，不是資料

那是版面表格：純粹用來排版的網格，許多舊網站仍用它來做選單和頁首。這種表格會被拆開而不是被轉換，所以內容會保留，網格則不會。如果導覽網格真的以表格形式進了筆記，那是因為頁面把它標記成資料表格：標記說它是「資料」，擴充功能就相信了。

表格變成了鍵與值的行

這是參差不齊兩欄表格的處理路徑。列數不整齊的兩欄表格，通常是畫成網格的定義清單，重建成直線表格只會得到崩壞的網格，而不是可讀的表格。內容是完整的：粗體的鍵，下方是值，依原本的順序排列。如果你需要真正的表格，這些成對的內容可以機械式地轉回去。

格式的極限

Markdown 沒有合併儲存格，所以 colspan 和 rowspan 會被攤平：內容保留，視覺上的合併不保留，因為這種格式無法表達。巢狀在儲存格內的表格對任何工具都很難，這個工具也不例外。它不會從圖表圖片中讀出數字，也不匯出 CSV 或 XLSX。輸出是 Markdown。它一次轉換一頁，就是你正在看的那一頁。

常見問題