文档格式转换折腾、排版太丑？huashu-md-html：双向格式转换流水线，一站式解决万物转干净Markdown与精美HTML排版难题！

我最近在整理一批资料，PDF、Word、PPT、网页，什么格式都有。想统一成 markdown 方便管理，又想生成精美的 html 分享出去，来回折腾，疲于奔命。工具倒是不少，markitdown、Pandoc、html-to-markdown、trafilatura，各有各的用处，但装一圈下来，命令记不住，参数搞不清，光是配环境就耗掉一个下午。

更麻烦的是格式转换的质量。有些工具转出来的 markdown 乱成一团，标题层级丢失，表格变形，代码块没了语法高亮。生成 html 更是灾难——要么是模板丑得像十年前的企业官网，要么是配色花哨得让人眼晕，紫渐变、霓虹蓝、emoji 当图标，一股子 SaaS 落地页的廉价感。

我总怀疑，这些工具的设计者是不是从来没写过一篇正经文章。他们只关心"能转"，至于"转完能不能读"，似乎不在考虑范围内。

huashu-md-html 把这件事想清楚了。它不是又一个格式转换工具，而是一条双向流水线——把 markdown 当作源代码，把 html 当作产物，来回切换不应该有成本。

三个能力，一站式解决。万物转 markdown，PDF、DOCX、PPTX、XLSX、EPUB、图片、音频、YouTube 视频、网页 URL，扔进去，出来的是干净的 markdown。markdown 转精美 html，四套主题，每套都过了反 AI slop 检查清单，没有紫渐变、没有深蓝底、没有 emoji 当图标，配色克制，有出版社品位。html 转回 markdown，把已发布的博客文章拉回来归档，自动去掉导航、侧栏、广告，只留正文。

底层封装了四个工具。microsoft/markitdown 负责"万物转 md"，Pandoc 负责"md 转 html"，html-to-markdown 和 trafilatura 负责"html 转 md"。每个能力都是一个脚本，一个命令搞定，不用记参数，不用配环境，缺失依赖会明确提示安装命令，不会静默失败。

四套主题各有各的设计哲学。article 主题受 Tufte CSS 启发，衬线字体、边距笔记，适合 essay、博客、深度阅读。report 主题走出版社白皮书风，宽体多表格，适合技术报告、调研文档。reading 主题是 Medium 极简路线，单栏窄体大字，适合公众号转接、纯阅读。interactive 主题为长文档设计，侧边栏加折叠目录，适合技术书籍、长教程。

所有主题共享一套排版底线。中文字体用 PingFang SC 或思源宋体，英文字体用 Inter 或 IBM Plex Sans，代码字体用 JetBrains Mono，行高 1.75 到 1.85，字号 17 到 18px，最大宽度 680 到 820px。禁用清单写得很清楚，紫渐变、赛博霓虹、深蓝底、Comic Sans、emoji 作正式图标，一概不用。

这个工具的设计哲学源于一个观察。AI 时代，文档的"生产格式"和"消费格式"第一次解耦了。写作发生在 markdown，可 diff、AI 友好、版本可控。分发发生在 html，排版精致、可分享、可导航。来回切换不应该有成本。

它优化的是写作者的循环。一份 markdown 是源，所有创作和编辑都在这里。多套 html 是产物，按场景挑主题，渲染一份精美的 html。来回往返不丢结构，把已发布的博客拉回项目源，或者把别人的好内容归档成 markdown。

我试了一下，把一份 PDF 白皮书转成 markdown，再用 report 主题生成 html，前后不到一分钟。生成的 html 打开即用，不依赖外部 CDN，排版干净利落，像出版社做的，不像 SaaS 落地页。

格式转换的坑，踩过的人自然懂。有什么想说的，评论区见。

https://github.com/alchaincyf/huashu-md-html