vscode本身不支持直接打开或转换pdf/chm/epub等离线文档为markdown，因其仅为文本编辑器，无内置解析能力；所有“离线转换”均依赖外部工具链（如pandoc、pdftotext）预处理为html或纯文本后，再转为markdown。

VSCode 本身不支持直接打开或转换离线文档（如本地 HTML、PDF、CHM、EPUB 等）为 Markdown，必须依赖外部工具链或预处理步骤。没有“一键离线转 Markdown”功能，所有看似“离线”的转换，本质都是调用本地命令行工具（如 Pandoc）或运行 Node.js 脚本。

为什么 VSCode 打不开本地 HTML/PDF/CHM 并转成 Markdown

VSCode 是文本编辑器，不是文档解析器。它能直接编辑 .md、.html、.txt 这类纯文本格式，但对二进制或封装格式（PDF、CHM、EPUB）完全不可读——连内容都打不开，更别说转换。

• file:// 协议打开的本地 HTML 文件，VSCode 只当普通代码展示，不会渲染；它不带浏览器引擎，也不执行 JS，所以无法提取渲染后的内容
• PDF 是二进制流+字体+矢量图混合格式，VSCode 没有内置 PDF 解析能力；即使装了插件，也得靠 pdf2text 或 pdftotext 这类 CLI 工具先抽文字
• CHM 是 Windows 专有压缩格式，需用 extract_chmLib 或 7z 先解包成 HTML，再走 HTML → Markdown 流程

pandoc 是离线转换 HTML/DOCX 的实际主力

几乎所有靠谱的 VSCode 插件（如 Office to Markdown、Pandoc Markdown Converter）背后都调用 pandoc。它不联网，纯本地运行，但必须提前安装并加入系统 PATH。

Web fetch markdown of page

通过 jina.ai 将网页抓取为精简的 markdown，用于在需要获取 URL 并获取压缩的 markdown 内容以节省 token。触发词 l...

下载

• 转换 HTML 到 Markdown：pandoc input.html -o output.md --wrap=none
• 转换 DOCX（含格式保留）：pandoc input.docx -o output.md --extract-media=./images
• 若 HTML 含内联样式或 JS 渲染内容，pandoc 只处理原始 HTML 标签，不会执行 JS；想提取“页面最终显示内容”，得先用 Puppeteer 或 Playwright 渲染成静态 HTML，再喂给 pandoc
• 不推荐用 markdown-pdf 反向逆推：它是从 Markdown → PDF，不能反向解析 PDF

PDF/CHM/EPUB 这类真·离线文档怎么处理

没有通用插件能一步到位。必须拆成两步：先解构成纯文本或 HTML，再转 Markdown。

• PDF → 文本：pdftotext -layout input.pdf output.txt（来自 poppler 工具集），然后手动清理或写脚本把段落转成 ## 标题、- 列表 等
• PDF → HTML（保留结构）：pdf2htmlEX input.pdf output.html（效果比 pdftotext 好，但对扫描件无效）
• CHM → HTML：7z x input.chm -o./chm_extract，然后批量处理解压出的 .htm 文件
• EPUB → HTML：ebook-convert input.epub output.html（需安装 Calibre CLI）
• 所有产出的 HTML 都可统一交给 pandoc 转 Markdown，但表格、图片路径、锚点链接大概率丢失，需后续补全

别被“离线插件”误导：检查它到底调用了什么

很多 VSCode 插件声称“支持离线转换”，实际只是封装了命令行调用。如果没装 pandoc 或对应 CLI 工具，插件右键菜单会灰掉或报错 Command 'xxx' not found。

• 打开 VSCode 终端（Ctrl+`），输入 pandoc --version，有输出才说明装好了
• 插件设置里常有 pandocPath 选项，填绝对路径（如 /usr/local/bin/pandoc 或 C:\Users\XXX\pandoc\pandoc.exe）才能生效
• 某些插件（如 Markdown Preview Enhanced）自带简易 HTML → MD 转换，但只适用于简单结构，遇到嵌套列表或复杂表格就崩
• 真正“零依赖”的 VSCode 原生命令（如 Insert Code Block）只处理当前编辑器里的纯文本，对文件系统里的离线文档完全无感

最易被忽略的一点：所谓“离线文档”，往往隐含编码问题（如 GBK 编码的 HTML）、路径空格、相对资源链接失效等细节。这些不会报错，但会导致生成的 Markdown 中文乱码、图片不显示、目录层级错乱——必须在转换前确认源文件编码，并用 --from=html+smart 或 --encoding=utf-8 显式指定。