HTML을 Markdown으로 변환하고 다시 빌드

제품 지원
1

문제를 해결하는 데 도움을 주실 수 있을까요? 데이터베이스(raw_data)에 HTML 형식으로 저장된 수많은 토픽이 있습니다. 하지만 이 HTML은 다른 시스템에서 "마이그레이션"된 것이며, 웹사이트를 인수하기 전에 처리된 것입니다. 만약 우리가 직접 했다면 절대 이런 방식으로 하지 않았을 것입니다.

우리가 달성하려는 목표는 <div>, <link>, <br />, <span>, <blockquote>, <small> 태그는 포함되지만 <p> 태그는 없고, [quote][/quote]와 같은 HTML이 아닌 요소가 포함된 HTML 문자열을 Markdown으로 변환한 뒤, 포스트를 다시 'rebake’하여 Discourse 스타일의 HTML로 만드는 것입니다. 이렇게 하면 Discourse에 의해 최적화된 상태(예: 크롤러 뷰)가 됩니다. 현재는 단순한 구식 HTML 콘텐츠(cooked_method=2)가 사용되고 있어, Google Search Console에서 크롤링 문제와 soft 404 오류가 많이 발생하고 있습니다.

이 작업을 약 400만~500만 개의 포스트에 대해 수행해야 하므로 매우 비용이 많이 드는 작업이 될 것입니다.

어떤 아이디어가 있을까요?

Mike 드림

2

HTML을 Markdown으로 변환하는 내장 변환 라이브러리가 있습니다. 완벽하지는 않지만 인용 기능에는 충분히 역할을 합니다.

모든 게시물을 이 라이브러리를 통해 처리하는 것도 가능하겠지만, 여기에서 설명하신 내용은 제 생각에 상당한 커스텀 작업이 필요해 보입니다. Marketplace 채널에서 커뮤니티에 문의하시고, 해당 작업에 대해 예산($$$)을 제시하시는 것을 권장합니다.

3

저는 이런 일을 하는 사람이에요. Jay@literatecomputing.com으로 이메일을 보내 주세요.

4

사실 저는 당신의 html2markdown 파서를 매우 좋아합니다. Discourse 외부에서도, 제 일상 업무에 활용하고 싶습니다. 이를 textarea 위젯으로 추출하는 방법에 대한 팁이 있을까요?

html2markdown 파서는 넘쳐납니다. 에런 스와츠도 하나를 만들었습니다.

차이점은 당신의 파서가 제가 원하는 것만, 그것도 딱 맞게 수행할 것이라고 믿기 때문입니다.

감사합니다.

LQ