北京
做HTML转Markdown的转换器，本以为是个无聊活：遍历DOM，遇到h1输出一个#，遇到h2输出两个#，收工。第一次拿真实站点测试，对象是一个Next.js文档站，结果回来一大坨加粗文本，标题结构一个都没有。
问题出在Tailwind。那个站点把div当成视觉上的标题来用，整页找不到一个h标签。从语义上看是灾难，从视觉上看却是一份完全合格的文档页。转换器只认div，于是什么也没识别出来。
修法不是把HTML解析写得更聪明，而是承认一件事：标题是视觉概念，不是标签概念。作者在结构遍历之前加了一道启发式扫描，先找那些类名命中常见标题模式的元素，比如text-xl、text-2xl、text-3xl、font-bold、font-semibold以及mb-间距标记，把它们提升为标题。这套做法不好看，也脆弱，在大概80%的Tailwind站点上能跑通。
接着又撞上一个Bootstrap站点，用的是真h标签，但视觉上被降级了。启发式规则选择相信标签，输出里就多了一个#，而页面上那里显示的只是一个小副标题。于是又得加一道反向检查：如果真标题标签带着视觉降级的类名（h1到h6的Bootstrap类），输出时也相应降级。
结论是，HTML转Markdown不是解析问题，而是两套本体论之间的翻译问题。写HTML的人按视觉层级思考，读Markdown的人按文档结构思考，两者能对上纯属偶然。每换一个CSS框架，就是换一种“什么看起来像标题”的方言。
这道启发式处理最后被放在一个可选开关后面，默认关闭。原因是它出错的频率足够高，作者不想给任何人制造意外。如果流水线要处理营销站点和用工具类CSS搭的文档，就打开它；如果处理的是CMS产出的语义化HTML，就保持关闭。
作者也在问：还有谁在被Tailwind标题税折磨？想听听别人找到过哪些不靠猜的启发式规则。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
