Yomi: La herramienta que convierte cualquier página web en Markdown limpio

Si alguna vez intentaste extraer texto de una página web de forma automática, ya sabes lo frustrante que puede ser. El HTML es un desastre: menús de navegación por todos lados, anuncios invasivos, esas molestas ventanas de cookies que parecen imposibles de cerrar... Todo ese ruido ensucia el contenido que realmente te interesa. Precisamente para resolver este dolor de cabeza existe Yomi.

¿Por qué Yomi es diferente?

Yomi es una librería para Go y una herramienta de línea de comandos que transforma cualquier URL en Markdown limpio y elegante. Pero no es otro scraper mediocre más. El proyecto toma un enfoque inteligente: elimina el desorden mientras preserva la estructura que realmente importa.

Las características que me llamaron la atención:

Extracción inteligente — Yomi no se limita a agarrar todo el texto que encuentra. Identifica qué parte de la página es el contenido principal, descartando barras de navegación, pies de página, barras laterales y esos molestos popups que todos odiamos.

Estructura intacta — Cuando necesitas convertir tutoriales, documentación o artículos técnicos, los bloques de código son fundamentales. Yomi mantiene tu código formateado correctamente, conserva las imágenes con su texto alternativo y respeta la jerarquía de encabezados. El resultado es un documento Markdown bien estructurado que refleja el original.

Conversión de sitios completos — A veces no basta con una sola página. Yomi puede seguir enlaces de forma recursiva y convertir sitios web enteros. Ideal para crear respaldos locales de documentación o construir archivos de contenido.

Casos de uso prácticos

Esta herramienta abre posibilidades muy interesantes:

Pipelines de documentación — ¿Construyes un agregador de documentación o necesitas integrar contenido de fuentes externas en tu base de conocimiento? Yomi facilita obtener y convertir contenido web a un formato consistente.

Lectura sin conexión — ¿Quieres archivar artículos, tutoriales o materiales de investigación para consultar offline? Convierte páginas web a Markdown y guárdalos en Git, Obsidian o cualquier sistema de archivos plano.

Migración de contenido — Mover contenido entre plataformas suele significar lidiar con exportaciones HTML desastrosas. Pasa ese contenido por Yomi y obtén Markdown limpio que puedes trabajar sin problemas.

Propósitos de archivo — Los sitios web desaparecen constantemente. Usar Yomi para crear respaldos estructurados de recursos web valiosos te da archivos portables y legibles que no se romperán cuando el original desaparezca.

Una herramienta para desarrolladores

Lo que valoro de Yomi es que está diseñada para desarrolladores desde el inicio. El enfoque dual de librería y CLI significa que puedes integrarla directamente en tus aplicaciones Go o usarla como utilidad de línea de comandos en scripts y pipelines de build.

La API de la librería es directa, permitiéndote enfocarte en lo que quieres hacer con el contenido en lugar de perderte en la lógica de extracción. La CLI hace que sea igualmente accesible para conversiones rápidas o automatización en scripts de shell.

Primeros pasos

Yomi es código abierto bajo licencia MIT y está escrito en Go, lo que significa que funciona en cualquier lugar donde Go funcione, sin dependencias adicionales para la funcionalidad principal. El repositorio en tamnd/yomi tiene todo lo que necesitas para comenzar, ya sea importando la librería en tu proyecto o ejecutando conversiones rápidas desde la terminal.

En resumen

La extracción de contenido web no tiene que ser complicada. Yomi ofrece una solución enfocada y bien diseñada para el problema específico de convertir páginas web a Markdown limpio. Ya sea que estés construyendo herramientas de contenido, creando archivos o simplemente necesites obtener algo de contenido para procesar, este tipo de utilidad te hace preguntarte cómo resolvías las cosas sin ella.

Pruébala en tu próximo proyecto que involucre conversión de contenido web. Probablemente te ahorrará una cantidad considerable de tiempo y frustración.