app.py

app.py

@@ -1,21 +1,25 @@
 import gradio as gr
 import trafilatura
 import requests
+from markdownify import markdownify as md
 
 def extract(url):
     headers = {"User-Agent": "Mozilla/5.0"}
     try:
         r = requests.get(url, headers=headers, timeout=10)
         r.raise_for_status()
-        # full_text=True → 가능한 모든 텍스트 추출
-        text = trafilatura.extract(
+        # HTML 형태로 추출
+        html_content = trafilatura.extract(
             r.text,
-            include_comments=False,
+            output_format="html",
             include_tables=True,
-            no_fallback=False,
             favor_recall=True
         )
-        return text or "본문을 추출할 수 없습니다."
+        if html_content:
+            # HTML → Markdown 변환
+            markdown_text = md(html_content, heading_style="ATX")
+            return markdown_text
+        return "본문을 추출할 수 없습니다."
     except requests.exceptions.Timeout:
         return "요청이 시간 초과되었습니다."
     except requests.exceptions.RequestException as e:
@@ -26,9 +30,9 @@ def extract(url):
 iface = gr.Interface(
     fn=extract,
     inputs=gr.Textbox(label="URL 입력", placeholder="https://example.com"),
-    outputs=gr.Textbox(label="추출된 본문", lines=30),
-    title="본문 추출기",
-    description="웹페이지 URL을 입력하면 가능한 많은 본문을 추출합니다."
+    outputs=gr.Markdown(label="추출된 본문"),
+    title="본문 추출기 (마크다운 지원)",
+    description="웹페이지 URL을 입력하면 리더모드처럼 깔끔하게 마크다운으로 추출합니다."
 )
 
 if __name__ == "__main__":