llm-html

CMDOP Skill — установите и используйте через CMDOP agent:

Bash

cmdop-skill install llm-html

Loading code...

Очистка HTML, оптимизированная под LLM: экстракция влаги, бюджеты токенов, несколько форматов вывода.

Установка

Bash

pip install llm-html

Loading code...

Быстрый старт

Python

from llm_html import HTMLCleaner, CleanerConfig, OutputFormat

# Базовая очистка
  cleaner = HTMLCleaner()
  result = cleaner.clean(html)
  print(f"Сокращение: {result.stats.reduction_percent}%")

# Экстракция влаги (вытягивает данные SSR из Next.js, Nuxt и т. д.)
  if result.hydration_data:
    data = result.hydration_data
  else:
    cleaned = result.html

Loading code...

Функции удобства

Python

from llm_html import clean, clean_to_json, clean_html, clean_for_llm

# Быстрая очистка
  result = clean(html)

# Получение JSON, если доступны данные SSR, иначе очищенный HTML
  data = clean_to_json(html)

# Пайплайн с полным контролем
  result = clean_html(html, max_tokens=5000)
  result = clean_for_llm(html, output_format="markdown")

Loading code...

Форматы вывода

Python

from llm_html import to_markdown, to_aom_yaml, to_xtree

md = to_markdown(html)
  aom = to_aom_yaml(html)
  xtree = to_xtree(html)

Loading code...

Дампинг

Целевое снижение токенов с помощью алгоритма D2Snap:

Python

from llm_html import downsample_html, estimate_tokens

  tokens = estimate_tokens(html)
  if tokens > 10000:
    html = downsample_html(html, target_tokens=8000)

Loading code...

Семантическая разбивка

Разбивка больших страниц на куски LLM:

Python

from llm_html import SemanticChunker, ChunkConfig

  config = ChunkConfig(max_tokens=8000, max_items=20)
  chunker = SemanticChunker(config)
  result = chunker.chunk(soup)
  for chunk in result.chunks:
    process(chunk.html)

Loading code...

Тень DOM

Расплющивание Web Components для видимости LLM:

Python

from llm_html import flatten_shadow_dom

  flat = flatten_shadow_dom(html)

Loading code...

Помощники

Python

from llm_html import html_to_text, extract_links, extract_images, json_to_toon

  text = html_to_text(html)
  links = extract_links(html, base_url="https://example.com")
  images = extract_images(html)
  toon = json_to_toon({"key": "value"})

Loading code...

Лицензия

MIT

llm-html

llm-html

Установка

Быстрый старт

Функции удобства

Форматы вывода

Дампинг

Семантическая разбивка

Тень DOM

Помощники

Лицензия

Отзывы