novahiz-web-extractlisted

# novahiz-web-extract Extraire le contenu principal d'une page et le rendre en Markdown lisible, sans le bruit qui l'entoure. ## Objectif Garder l'essentiel, retirer le reste : navigation et menus, publicités et trackers, pied de page et sidebars, scripts et styles, gadgets sociaux et popups. ## Méthode ### 1. Choisir le conteneur principal ```javascript const selectors = [ 'article', '[role="main"]', 'main', '.content', '.post', '.article', '#content', '#main' ]; ``` Parcourir la liste dans l'ordre et prendre le premier conteneur non vide. ### 2. Nettoyer le HTML ```javascript const removeSelectors = [ 'nav', 'header', 'footer', '.sidebar', '.advertisement', '.ad', '.cookie-banner', '.popup', 'script', 'style', 'noscript', '.social-share', '.comments', '.related-posts', '.newsletter-signup' ]; ``` ### 3. Convertir en Markdown | HTML | Markdown | |------|----------| | h1 à h6 | `#` à `######` | | p | double saut de ligne | | strong, b | `**texte**` | | em, i | `*texte*` | | a href | `[texte](url)` | | img | `` | | ul, ol | tirets ou numéros | | blockquote | `>` | | code | code inline | | pre | bloc de code | | table | tableau Markdown | ## Formats d'extraction ### Article de blog ```markdown # Titre de l'article **Auteur:** Nom | **Date:** 2024-01-15 | **Lecture:** 5 min --- Contenu principal... ## Sous-titre Plus de contenu... - Élément - Élément > Citation importante `code block` ``` ### Documentation technique