從 Microsoft Word、Google Docs 或網頁複製文字，貼到編輯器裡卻看到一堆 <span style="...">、class="c3"、<o:p> 標籤，這種情況你一定遇過。內容明明都在，但被不必要的裝飾標籤埋沒，Markdown 渲染器根本不需要這些東西。這篇整理如何把手上的髒 HTML 一次貼上就轉成乾淨的 Markdown。
先講結論
把髒 HTML 貼到 HTML to Markdown 轉換器 按下執行按鈕即可。<span>、行內 style 屬性、class 名稱、<font> 標籤、Word 專屬標記在 Markdown 中沒有對應語法，會被自動移除，只剩標題、列表、連結、表格等文件結構。所有轉換在瀏覽器內完成，貼上機密文件也不會有資料傳到外部。
跟 HTML 清理工具的差別
一般 HTML 清理工具（HTML Cleaner）或「去除行內樣式」的工具，回傳的是乾淨的 HTML。裝飾性的東西會被拿掉，但 <p>、<ul>、<div> 這些標籤本身還在。
如果你的目標是 README、GitHub issue、Notion、Obsidian、Wiki 或是餵給 LLM 的 prompt，需要的格式是 Markdown 不是 HTML，所以還差一步。
轉換工具一次做兩件事：去除裝飾雜訊，同時輸出 #、-、[文字](URL) 等 Markdown 語法。不需要先清理 HTML 再另外轉一次。
貼上的 HTML 為什麼會髒
髒的方式取決於從哪裡複製。不同來源混入的雜訊類型不同。
Microsoft Word
Word 會用 Office 專屬的標記包起來。style 屬性裡的 mso-* 屬性、代表段落的 <o:p> 標籤、條件式註解（<!--[if gte mso 9]>）、<font face="..."> 標籤都是典型例子。這些對讀者和 Markdown 渲染器來說沒有任何意義。
另外，混入的標記會因複製路徑而不同。從 Word 桌面版直接複製、經過 Outlook、或從瀏覽器開啟的 Word 線上文件複製，三種路徑產生的標籤量和種類都有差異。
Google Docs
Google Docs 傾向產出行內 CSS 而非語意化標籤。粗體文字常用 <span style="font-weight:700"> 而非 <strong>，文件裡還充斥大量自動產生的 class 名稱，以及包裹文字片段的空 span。class 名稱是自動生成的，沒有固定規則可以依賴。
網頁複製
在瀏覽器中選取網頁的某個區域複製時，該網站用來排版的元素會跟著一起進來。包裝用的 <div>、utility class 屬性、行內 style，甚至旁邊的導覽連結、分享按鈕、廣告區塊都可能混進來。轉成 Markdown 後，這些排版層會被丟掉，只剩可讀的內容結構。
同樣是網頁複製，混進來的東西會因為網站怎麼做而不同。WordPress 文章會在正文前後排上作者資訊、分類和相關文章連結，佈景主題加的 wp-block- 系列 class 也會落在正文段落上。文件網站會在每個標題旁邊放錨點連結、每個程式碼區塊上放複製按鈕，選取範圍包含它們時就會當成文字留下來。新聞網站會在段落之間插入相關報導卡片和分享按鈕，於是段落之間會出現既不是標題也不是正文的短行。這三種情況轉換都能通過，變的是轉換之後要刪掉的東西。
ChatGPT 與豐富文字編輯器
從 ChatGPT 介面或 WYSIWYG 編輯器複製有格式的回應時，常會得到包含編輯器專屬 span 或 data-* 屬性的 HTML。直接貼到別的工具會把雜訊一起帶過去，轉成 Markdown 則只保留純內容。
常被問到的是 <div style="..."> 這類外層容器會不會留下來。按下面 什麼會被刪掉，什麼會保留 表裡的說明，外層容器只留下裡面的文字，行內 style 和 data-* 屬性也會一併去掉。顏色、框線、間距都不會帶過來，進入 Markdown 的只有標題、粗體、連結、列表這些結構。如果需要保留外觀，就別轉成 Markdown，直接按 HTML 處理。
PDF 檢視器複製
從 PDF 檢視器選取複製的文字，本來就不是 HTML。沒有 span、style、class，只有純文字，所以「去除裝飾雜訊」這個步驟對它根本不適用。
PDF 只儲存文字在頁面上的座標位置，沒有區分標題和正文的資訊，所以段落中途可能出現任意換行，雙欄版面可能左右交錯。特別是表格容易因為欄位錯位而變形，直接修改貼上的文字不如把 PDF 檔案本身餵給 PDF 轉檔工具來得可靠。表格格式崩壞的具體原因與對策詳見 PDF 轉 Markdown 時表格格式崩壞的原因。
什麼會被刪掉，什麼會保留
以下是常見的髒標記與轉換結果對照：
| 原始標記 | 範例 | Markdown 轉換結果 |
|---|---|---|
| 行內樣式 | <span style="color:#333">text</span> | text（style 移除） |
| class 名稱 | <p class="c3 c7">text</p> | text（class 移除） |
| Word Office 標記 | <o:p></o:p>、mso-* style | 完全刪除 |
| font 標籤 | <font face="Calibri">text</font> | text |
| 包裝容器 | <div><span>text</span></div> | text |
| 空 span | <span></span> | 刪除 |
| data 屬性 | <p data-id="9">text</p> | text |
| 標題 | <h2>Title</h2> | ## Title |
| 粗體（語意 / style 指定） | <strong>x</strong> 或 <span style="font-weight:700">x</span> | **x** |
| 連結 | <a href="/p" class="btn">go</a> | [go](/p) |
| 列表 | <ul><li>a</li></ul> | - a |
有兩點需要注意：
- Markdown 是比 HTML 表達範圍更小的語言。有結構對應物的元素（標題、列表、連結、強調、表格、圖片）會保留，純裝飾性的全部丟掉。
- 「轉成 Markdown」不等於「HTML 變零」。Markdown 規格允許行內 HTML，所以轉換工具會把無法對應的標籤（複雜表格、不支援的元素等）以原始 HTML 片段的形式保留，而不是把內容丟掉。結果是夠乾淨，但不能保證所有情況下每個
<span>都一定會消失。
用 FormatArc 轉換髒 HTML
HTML to Markdown 轉換器 直接接收貼上的 HTML 並產出 Markdown。不需要安裝任何軟體，也不會上傳任何檔案。
- 打開 HTML to Markdown 轉換器。
- 在左側輸入區貼上髒 HTML，Word 的雜物、空 span 都不用管，直接貼。
- 按下執行按鈕，右側立即顯示整理後的 Markdown，點擊複製按鈕即可存到剪貼簿。
貼上前後的核對範例
例如，輸入 <h2>步驟</h2><p class="c3"><span style="color:red">檢查設定</span></p><ul><li><a href="/help">說明</a></li></ul> 時，期望輸出是 ## 步驟、檢查設定、- [說明](/help)。確認標題、正文、連結目標與清單順序都保留，而 class 和 style 消失。如果複製的範圍連選單一起帶進來，轉換就分不清它與正文，轉換後請重新檢查選取範圍。
註：此例已在現行工具上執行，並以輸出一致的形式確定。
HTML 解析和 Markdown 生成都跑在瀏覽器內的 JavaScript 引擎上，所以從 Word 貼上的機密合約或 CMS 未公開草稿都會留在你的裝置上，不會傳到 FormatArc 或任何第三方伺服器。線上轉換的隱私檢查清單詳見 線上安全：轉換工具使用前必做的 5 項隱私檢查。
轉換沒有完全乾淨時怎麼處理
有些複雜格式需要再手動整理一下。
Word 的表格與框線
從 Word 或試算表複製的表格常帶有 colspan（合併欄）、rowspan（合併列）或框線樣式，這些在 Markdown 的 pipe table 語法中沒有對應寫法。合併儲存格會被攤平，整個表格也可能以行內 <table> 標籤的形式保留。如果只是要處理表格，建議先簡化儲存格結構再轉換。表格的邊緣案例（直線、換行、欄位數不符）詳見 HTML 表格轉 Markdown 表格。
深層巢狀列表與換行
多層巢狀的列表、列表項目內的 <br> 標籤、有序無序列表交錯的結構，可能會產生多餘空行或縮層錯位。轉換後檢查輸出結果，如果渲染器顯示不對，手動調整縮排即可。
輸出中殘留的行內 HTML
結果中如果還有 <sub>、<details> 區塊或複雜表格等 HTML 標籤，這是正常行為。轉換工具為了不丟失內容而故意保留。GitHub 和大多數靜態網站產生器都支援 Markdown 內的行內 HTML，所以留著沒問題，不需要也可以手動刪掉。
網頁複製混入的導覽元素
如果只複製了一篇文章，正文前後卻混進了選單項目、分享按鈕或相關文章連結，複製時就縮小選取範圍，或從 Markdown 輸出中刪掉多餘的連結列表。沒有自動方法能區分哪個連結是導覽、哪個是正文。輸出開頭和結尾連著一串短連結的那幾段通常就是，把第一個標題之前和最後一段之後整塊刪掉最快。
如果這個動作要在幾十篇文章上重複，就有別於一頁一頁複製的另一條路。WordPress 匯出 Markdown 裡講了從匯出到批次轉換的步驟。
常見問題
為什麼 span 和 style 屬性會被刪掉？
Markdown 沒有表達行內 CSS、class 名稱或包裝 span 的語法，所以轉換工具會移除它們、只保留結構性內容。目的是取得不綁定特定編輯器、任何渲染器都能讀的高可攜性 Markdown。
Microsoft Word 的 mso- 標記也會被移除嗎？
會。mso-* 形式的 style 屬性、<o:p> 段落標籤、<font> 標籤、條件式註解在 Markdown 中沒有對應物，全部會被移除。不管 Word 以哪種路徑輸出標記，Markdown 結果中都不會殘留。
可以保留 class 名稱或樣式嗎？
不行。Markdown 無法表達這些樣式，所以會被刻意移除。如果需要保留樣式，把原始 HTML 另存一份，結構轉成 Markdown 後，在渲染階段再套用 CSS。渲染細節可參考 Markdown 轉 HTML 完整指南。
貼上機密文件安全嗎？
安全。轉換完全在瀏覽器內的 JavaScript 執行，貼上的 HTML 不會上傳到 FormatArc 或任何第三方伺服器。即使斷網離線狀態也能正常運作。
轉換後的 Markdown 為什麼還有 HTML？
因為 Markdown 規格本身允許行內 HTML。轉換工具遇到無法對應的結構（複雜表格、不支援的標籤）時，會以原始 HTML 片段保留而不是刪除內容。留著或手動刪掉都可以，大多數渲染器都能正常顯示。
總結
從 Word、Google Docs、ChatGPT 或網頁複製的髒 HTML，貼到 HTML to Markdown 轉換器就能變成乾淨的 Markdown。span、行內 style、class、Office 專屬標記會被清除，標題和列表等核心結構會保留。下次複製貼上時被格式問題卡住，試試瀏覽器內的安全轉換。HTML 轉 Markdown 的完整指南（含 CLI 方法）可參考 HTML 轉 Markdown 指南。