Site-Adapter

​

Überblick

Web2MD funktioniert zwar auf jeder Webseite, doch bei bestimmten Websites profitiert die Extraktion von spezialisierter Logik. Web2MD enthält 16 plattformspezifische Extraktoren, die die API oder DOM-Struktur der jeweiligen Plattform nutzen, um ein besseres Markdown-Ergebnis zu liefern als die generische Extraktion.

​

Unterstützte Websites

​

API-basiert (kein Tab nötig)

Diese Extraktoren rufen Daten direkt über die API der Plattform ab und funktionieren daher auch ohne aktiven Browser-Tab.

​

Reddit

Extrahiert den vollständigen Beitragsinhalt, einschließlich:

• Titel, Autor, Subreddit und Score des Beitrags
• Selbsttext- oder Link-Inhalt
• Bis zu 200 Kommentare mit 4 Verschachtelungsebenen, inklusive Autor und Score
• Bild- und Medienlinks

Nutzt die JSON-API von Reddit (/.json) für zuverlässige Extraktion.

​

Hacker News

Extrahiert vollständige Diskussions-Threads über die Algolia-API:

• Titel, URL, Punkte und Kommentaranzahl des Beitrags
• Alle Kommentare mit Autor und Verschachtelung

​

arXiv

Extrahiert wissenschaftliche Paper:

• Titel, Autoren und Abstract des Papers
• Vollständiger HTML-Inhalt wissenschaftlicher Paper

​

YouTube

Extrahiert Video-Metadaten:

• Videotitel und Kanalname
• Dauer und Aufrufzahl
• Englische Untertitel/Captions (sofern verfügbar)

​

Twitter / X

Extrahiert Tweet-Inhalte:

• Tweet-Text und Medien
• Autoreninformationen und Engagement-Kennzahlen

​

DOM-basiert (erfordert Browser-Tab)

Diese Extraktoren analysieren das DOM der Seite im aktiven Tab, um strukturierte Inhalte zu erhalten.

​

OpenAI Docs

Extrahiert Dokumentationsseiten von der Dokumentations-Website von OpenAI:

• Code-Blöcke und API-Referenzen
• Strukturierte Navigation und Inhaltshierarchie

​

Claude Chat

Extrahiert Gesprächsinhalte aus der Chat-Oberfläche von Claude.ai.

​

Notion

Extrahiert Inhalte von öffentlichen und angemeldeten Notion-Seiten (notion.so, notion.site):

• Duale Extraktion: block-basiertes DOM-Parsing (data-block-id) mit Container-Fallback
• Überschriften, Text, Code-Blöcke, Listen, Toggles, Callouts, Zitate
• Bilder, Tabellen, Lesezeichen und Einbettungen

​

Feishu / Lark

Extrahiert Inhalte von Feishu-Docx- und Wiki-Seiten (feishu.cn, larksuite.com):

• Duale Extraktion: PageMain-Blockmodell mit DOM-Fallback
• Überschriften, Text, Code-Blöcke, Listen, Tabellen, Bilder
• Callouts und Checkboxen

​

Medium

Extrahiert Artikelinhalte aus dem DOM von Medium:

• Autor, Veröffentlichungsdatum und Lesezeit
• Vollständiger Artikelinhalt

​

Substack

Extrahiert Newsletter-Beiträge:

• Autor, Datum und vollständiger Artikelinhalt

​

Wikipedia

Extrahiert Artikelinhalte:

• Abschnitte, Tabellen und Quellenangaben
• Entfernt Navigation und Sidebar-Ballast

​

DEV.to

Extrahiert Entwickler-Blogbeiträge:

• Tags, Reaktionen und Kommentare

​

Product Hunt

Extrahiert Produktseiten:

• Produktbeschreibungen und Informationen zum Ersteller
• Diskussions-Threads

​

Stack Overflow

Extrahiert Q&A-Inhalte:

• Titel, Text, Tags und Stimmenanzahl der Frage
• Akzeptierte Antwort (hervorgehoben)
• Top-Antworten mit Stimmenanzahl

​

GitHub

Extrahiert Issues und Pull Requests, einschließlich:

• Titel, Status (offen/geschlossen/gemerged) und Labels
• Ursprüngliche Beschreibung/Text
• Bis zu 30 Kommentare mit Autoreninformationen

Nutzt die REST-API von GitHub für strukturierte Daten.

​

Wie Adapter funktionieren

Beim Konvertieren einer Seite geht Web2MD automatisch wie folgt vor:

1. Erkennt die Website anhand der URL
2. Wählt den passenden Adapter aus, sofern vorhanden
3. Extrahiert den Inhalt mit der site-spezifischen Methode
4. Greift auf die generische Extraktion zurück, falls der Adapter fehlschlägt

Sie müssen nichts konfigurieren — Adapter werden automatisch angewendet.

​

Vergleich