Pandoc转换Nimbus Notes导出HTML为Markdown的问题及异常

异常原因 #

添加-t gfm-raw_html参数确实是导致部分笔记空白的原因，具体两点：

• gfm-raw_html会过滤GFM不支持的HTML标签，如果Nimbus Notes导出的部分HTML里，所有内容都包裹在这类被过滤的标签中，转换后自然就没有内容输出。
• 部分Nimbus Notes的HTML可能存在结构异常（比如标签嵌套错误、带特殊属性的自定义标签），启用gfm-raw_html的严格过滤规则后，Pandoc无法识别出有效内容。

解决办法 #

方案1：调整参数平衡过滤效果与内容保留 #

把参数换成-t gfm --markdown-headings=atx --strip-comments，既可以清理大部分冗余内容，又不会过度过滤导致内容丢失。修改后的脚本如下：

#!/bin/bash

# Use the current working directory as the root directory
root_dir="."

# Recursively traverse the directory structure
find "$root_dir" -name '*.html' -type f -exec sh -c 'pandoc "$1" -t gfm --markdown-headings=atx --strip-comments -o "${1%.html}.md"' _ {} \;

这个参数组合的作用：

• 生成Obsidian兼容的ATX格式标题
• 去除HTML中的注释类冗余内容
• 保留合法HTML标签并转换为对应Markdown格式，不会轻易过滤核心内容

方案2：针对空白笔记单独处理 #

1. 找到那4份空白笔记对应的原HTML文件，用文本编辑器打开查看结构
2. 如果发现内容被包裹在特殊自定义标签里，可临时用--html-q-tags参数强制保留内容，单独转换这些文件：

pandoc "问题文件名.html" -t gfm --html-q-tags -o "问题文件名.md"

3. 要是HTML存在结构错误，手动修复后再重新转换

方案3：脚本添加兜底逻辑避免空白 #

在脚本里加入检查，要是转换后的Markdown为空，自动用默认参数重新转换：

#!/bin/bash

root_dir="."

find "$root_dir" -name '*.html' -type f -exec sh -c '
    input_file="$1"
    output_file="${1%.html}.md"
    # 先用gfm-raw_html转换
    pandoc "$input_file" -t gfm-raw_html -o "$output_file"
    # 检查文件大小，为空则用默认参数重转
    if [ ! -s "$output_file" ]; then
        pandoc "$input_file" -o "$output_file"
        echo "重新转换空白文件: $input_file"
    fi
' _ {} \;

内容的提问来源于stack exchange，提问作者Tesgin