Hack the Hydra

API Website to Markdown pour le RAG et les LLM

Pour convertir une seule page, l’outil gratuit HTML to Markdown de ce site suffit. Pour convertir tout un site de documentation ou des centaines d’URL, utilisez le robot website-to-markdown sur Apify : donnez-lui des URL de départ, il explore poliment (robots.txt et Crawl-delay respectés, sans proxy) et renvoie un document Markdown propre par page. Il coûte 0,001 $ par page.

website-to-markdown sur Apify →

Outil gratuit ou API ?

Pour une seule page ou un extrait de HTML, collez-le dans le convertisseur HTML to Markdown (en anglais) : il fonctionne dans votre navigateur et il est gratuit. L’API sert à ce qu’un onglet de navigateur ne peut pas faire : explorer de nombreuses pages, suivre des liens, lire un sitemap ou s’exécuter selon un calendrier.

Ce qu’il fait

Le robot récupère les pages en HTTP simple, extrait le contenu principal avec trafilatura (navigation, pieds de page et publicités sont écartés) et produit du Markdown avec titres, listes, tableaux et, en option, liens. Options : maxPages, maxDepth, sameHostOnly, useSitemap, motifs d’URL à inclure et à exclure (globs), et un délai entre les requêtes. Il n’exécute pas JavaScript, donc les pages qui ne construisent leur contenu que dans le navigateur peuvent revenir vides.

Exemple d’appel

curl -X POST "https://api.apify.com/v2/acts/extas_corp~website-to-markdown/run-sync-get-dataset-items?token=YOUR_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"startUrls":[{"url":"https://docs.python.org/3/tutorial/index.html"}],"maxPages":20,"maxDepth":1}'

La réponse est un tableau JSON avec un élément par page : URL, titre, nombre de mots et texte Markdown.

Utiliser la sortie pour le RAG

Découpez chaque document Markdown selon ses titres # et ## avant l’embedding ; voir Markdown ou texte brut pour le RAG. Les titres donnent à chaque morceau un intitulé significatif, ce qui améliore la recherche.

Comment explorer un site de façon responsable ?

N’explorez que les sites que vous avez le droit d’explorer. Le robot respecte robots.txt et s’identifie par un User-Agent clair, mais vous restez responsable des conditions de chaque site et de la charge que vous générez. Gardez maxPages et le délai modestes.

Tarifs

0,001 $ par page (1 $ pour 1 000 pages), facturé par Apify par résultat. L’offre gratuite d’Apify inclut un crédit mensuel, donc les petites explorations peuvent ne rien coûter. Les convertisseurs gratuits de ce site fonctionnent dans votre navigateur ; les robots Apify sont pour l’automatisation et le volume. Vous ne payez qu’au résultat, sans abonnement mensuel pour le robot lui-même.

Ce que contient le jeu de données

Chaque URL donne un élément avec un champ type, pour trier les résultats sans deviner :

Activez saveHtml si vous voulez aussi le HTML brut à côté du Markdown.

Quels sont les problèmes fréquents ?

FAQ

Exécute-t-il JavaScript ?

Non. Il récupère le HTML en HTTP, ce qui est rapide et peu coûteux. Les applications monopages qui chargent leur contenu dans le navigateur peuvent nécessiter un autre outil.

Respecte-t-il robots.txt ?

Oui, y compris Crawl-delay.

Combien coûte une page ?

0,001 $ par page obtenue.

Puis-je l’exécuter selon un calendrier ?

Oui, les planifications et webhooks d’Apify fonctionnent avec chaque robot, vous pouvez donc actualiser une base de connaissances chaque semaine.

Mis à jour : novembre 2026. Les fichiers sont traités dans votre navigateur et ne sont pas envoyés.

Essayer

website-to-markdown sur Apify →

Convertisseur HTML to Markdown gratuit (en anglais) →