HTML-Seiten für die Konvertierung herunterladen

Bevor Sie HTML in Markdown konvertieren können, benötigen Sie die HTML-Dateien auf Ihrem Rechner. Diese Anleitung behandelt alle gängigen Methoden — vom Ein-Klick-Speichern im Browser bis zur vollständigen rekursiven Seitenspiegelung. Wählen Sie den Ansatz, der zu Ihrem Szenario passt.

Methode 1: wget — Rekursive Seitenspiegelung

Ideal für: Dokumentationsseiten, Produkthandbücher, Entwicklerreferenzen — jede Seite mit einer klaren URL-Hierarchie.

Grundbefehl

wget -r -np -k -E \
  -w 0.5 --random-wait \
  https://docs.example.com/en/latest/

Was die Flags bewirken

Flag	Zweck
`-r`	Links rekursiv folgen
`-np`	Nie über den Startpfad hinausgehen (innerhalb des Docs-Bereichs bleiben)
`-k`	Links umschreiben, damit sie auf lokale Dateien zeigen
`-E`	`.html` an URLs ohne Erweiterung anhängen, damit der Konverter sie erkennt
`-w 0.5`	0,5 Sekunden zwischen Anfragen warten
`--random-wait`	Verzögerung zufällig variieren, damit es weniger automatisiert wirkt

Bilder und Assets überspringen (empfohlen)

Sie benötigen nur die HTML-Dateien. Binärdateien ablehnen, um Bandbreite und Speicherplatz zu sparen:

wget -r -np -k -E \
  --reject-regex '\.(png|jpe?g|gif|svg|webp|woff2?|ttf|css|js|zip|pdf)$' \
  -w 0.5 --random-wait \
  https://community.denodo.com/docs/html/browse/latest/en/vdp/developer/index

Crawl-Tiefe begrenzen

Bei großen Seiten die Tiefe begrenzen, in der wget Links folgt:

# Nur 2 Ebenen tief ab der Start-URL
wget -r -np -k -E -l 2 \
  -w 0.5 --random-wait \
  https://docs.example.com/en/latest/

wget installieren

System	Befehl
macOS	`brew install wget`
Ubuntu/Debian	`sudo apt install wget`
Windows	`winget install JernejSimoncic.wget`

Methode 2: curl — Eine URL-Liste herunterladen

Ideal für: wenn Sie eine bestimmte Liste von Seiten haben (aus einer Sitemap, einem Inhaltsverzeichnis oder einer URL-Datei).

Von einer URL-Liste herunterladen

# urls.txt — eine URL pro Zeile
https://docs.example.com/page-1.html
https://docs.example.com/page-2.html
https://docs.example.com/api/reference.html

# Alle Seiten herunterladen, Verzeichnisstruktur beibehalten
while IFS= read -r url; do
  path=$(echo "$url" | sed 's|https\?://[^/]*/||')
  mkdir -p "$(dirname "downloaded/$path")"
  curl -s -o "downloaded/$path" "$url"
  sleep 0.5
done < urls.txt

URLs aus einer Sitemap extrahieren

# URLs aus sitemap.xml extrahieren
curl -s https://docs.example.com/sitemap.xml \
  | grep -oP '<loc>\K[^<]+' \
  | grep '\.html' \
  > urls.txt

Methode 3: Browser — Einzelne Seiten speichern

Ideal für: einige wenige Seiten oder Websites, die Login/Authentifizierung erfordern.

Öffnen Sie die Seite in Chrome/Firefox/Edge
Drücken Sie Strg+S (Windows/Linux) oder ⌘+S (macOS)
Wählen Sie „Webseite, nur HTML" (nicht „Komplett" — Sie brauchen keine Bilder/CSS)
In einem Ordner speichern
Für jede Seite wiederholen oder eine Browser-Erweiterung zum Batch-Speichern verwenden

Browser-Erweiterungen zum Batch-Speichern

SingleFile (Chrome/Firefox) — speichert Seiten als eigenständige HTML-Dateien
Save All Resources (Chrome) — speichert offene Tabs als HTML in großen Mengen
DownThemAll (Firefox) — Download-Manager, der alle Links auf einer Seite erfassen kann

Methode 4: HTTrack — GUI-Website-Kopierer

Ideal für: Benutzer, die eine grafische Oberfläche der Kommandozeile vorziehen.

HTTrack von httrack.com herunterladen (Windows/Linux/macOS)
Start-URL eingeben und Filter konfigurieren (nur HTML)
Die Seite spiegeln lassen
HTML-Dateien im Ausgabeordner finden

Methode 5: Puppeteer/Playwright — JavaScript-gerenderte Seiten

Ideal für: Single-Page-Apps (SPAs) und Websites, die Inhalte mit JavaScript rendern. wget und curl erfassen nur das initiale HTML — wenn der Inhalt dynamisch geladen wird, brauchen Sie einen Headless-Browser.

// save-pages.mjs — Node.js + Playwright
import { chromium } from 'playwright';
import { writeFileSync, mkdirSync } from 'fs';

const urls = [
  'https://spa-docs.example.com/getting-started',
  'https://spa-docs.example.com/api-reference',
];

const browser = await chromium.launch();
const page = await browser.newPage();

for (const url of urls) {
  await page.goto(url, { waitUntil: 'networkidle' });
  const html = await page.content();
  const filename = url.split('/').pop() + '.html';
  mkdirSync('pages', { recursive: true });
  writeFileSync(`pages/${filename}`, html);
  console.log(`Saved: ${filename}`);
}

await browser.close();

Das ZIP-Paket erstellen

Wenn Sie Ihre HTML-Dateien heruntergeladen haben, bündeln Sie sie in eine ZIP-Datei für den Konverter:

macOS / Linux

# Innerhalb des heruntergeladenen Ordners:
cd community.denodo.com

# Nur HTML-Dateien zippen, Verzeichnisstruktur beibehalten
find . -name '*.html' -print | zip ../docs.zip -@

Oder alles zippen (Nicht-HTML-Dateien werden vom Konverter ignoriert):

zip -r ../docs.zip .

Windows (PowerShell)

Compress-Archive -Path .\downloaded\* -DestinationPath docs.zip

Windows (Datei-Explorer)

Den Ordner mit Ihren HTML-Dateien auswählen
Rechtsklick → In ZIP-Datei komprimieren

ZIP vor dem Upload prüfen

Der Konverter akzeptiert ZIPs bis 100 MB mit bis zu 200 HTML-Dateien:

# HTML-Dateien zählen
unzip -l docs.zip | grep -c '\.html$'

# Gesamtgröße prüfen
du -h docs.zip

Wenn Ihr Archiv die Grenzen überschreitet, teilen Sie es nach Unterverzeichnissen auf und konvertieren Sie in Stapeln.

Tipps und Best Practices

robots.txt beachten — Prüfen Sie die robots.txt der Website vor dem Crawling. Fügen Sie -e robots=on zu wget hinzu (ist standardmäßig aktiv)
Anfragen drosseln — Fügen Sie immer eine Verzögerung zwischen Anfragen hinzu (-w 0.5 mindestens), um den Server nicht zu überlasten
Nutzungsbedingungen prüfen — Einige Websites verbieten automatisiertes Herunterladen in ihren AGB
-E bei wget verwenden — Dadurch werden URLs ohne Erweiterung als .html-Dateien gespeichert, die der Konverter erkennen kann
Zuerst mit einem kleinen Bereich testen — Fügen Sie -l 1 hinzu, um die Tiefe zu begrenzen, und prüfen Sie die Ausgabe vor einem vollständigen Crawl
Login-geschützte Seiten — Verwenden Sie wget --load-cookies mit exportierten Browser-Cookies oder speichern Sie Seiten manuell über den Browser

Nächster Schritt

Sobald Ihre ZIP-Datei bereit ist, öffnen Sie den Konverter und ziehen Sie sie hinein. Die Konvertierung erfolgt vollständig in Ihrem Browser — Ihre Dateien werden nie auf einen Server hochgeladen.

Konverter ausprobieren →