待验证50% 置信事实精确时间
直接将原始HTML或使用基础BeautifulSoup加载器喂给大语言模型时，往往有70%–80%的上下文token被导航栏、Cookie同意弹窗和广告等无关内容所消耗
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证一个普通网页的原始HTML往往包含数万个Token的冗余内容，包括CSS样式表、JavaScript代码、广告脚本、导航菜单等68% 相似待验证一个典型的HTML文档相比等效的Markdown内容可能多消耗2-5倍的token65% 相似待验证多数AI爬虫和Agent实际上并不会主动发送Accept: text/markdown，往往沿用默认Accept头把自己伪装成普通浏览器或直接抓取原始HTML65% 相似待验证Converting HTML web pages to Markdown format can reduce token consumption by 60–80% while preserving core semantic structure64% 相似已验证传统爬虫工具如BeautifulSoup只能解析静态HTML，面对JavaScript动态渲染页面往往抓取到空白内容64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/912216API
curl https://kongchang.com/api/v1/knowledge/claims/912216MCP
get_claim(id=912216)