3步实现无缝迁移:Yarle让Evernote转Markdown更简单
当你决定从Evernote转向Obsidian、Logseq等Markdown编辑器时,是否曾因格式错乱、附件丢失而头疼?笔记中精心整理的表格变成乱码,重要图片无法显示,多年积累的知识资产面临迁移风险。Yarle(Yet Another Rope Ladder from Evernote)作为一款专注Evernote转Markdown的开源工具,正是解决这些痛点的理想选择。
为什么选择Yarle?三大核心优势
解决格式转换难题
Evernote的专有格式在迁移时常常出现排版错乱,Yarle通过智能解析引擎,完整保留笔记的标题层级、列表结构和表格样式。无论是复杂的多层级列表还是带格式的代码块,都能精准转换为标准Markdown语法。
多平台无缝对接
Yarle深度适配主流Markdown编辑器,针对不同平台特性优化输出格式。Obsidian用户可获得双向链接支持,Logseq用户能自动生成块引用,Tana用户则享受节点式结构转换。
| 支持平台 | 核心特性 |
|---|---|
| Obsidian | 双向链接、资源库管理 |
| Logseq | 块引用、日记格式 |
| Tana | 节点结构、标签层级 |
| 标准Markdown | 通用格式、兼容性强 |
高度自定义的转换体验
通过模板系统和配置文件,你可以完全掌控输出结果。从元数据展示到标签格式,从资源文件路径到链接样式,每一个细节都能按照个人习惯定制。
快速上手:三步骤完成笔记迁移
准备工作
确保系统已安装Node.js环境,通过以下命令获取Yarle:
git clone https://gitcode.com/gh_mirrors/ya/yarle # 克隆项目仓库
cd yarle # 进入项目目录
npm install # 安装依赖包
导出Evernote笔记
在Evernote客户端中选择需要迁移的笔记本,通过"文件>导出笔记"功能,将笔记保存为.enex格式文件到本地文件夹。建议按笔记本分类导出,便于后续组织。
执行转换命令
使用以下命令启动转换过程:
node execute.js --enexSource ./path/to/enex/files --outputDir ./markdown_output
# --enexSource: 指定.enex文件所在目录
# --outputDir: 指定Markdown输出目录
转换完成后,所有笔记将以Markdown格式保存在指定目录,图片等资源文件会自动存储在_resources子文件夹中。
高级功能:定制你的转换规则
配置文件详解
Yarle提供多个配置文件满足不同需求:
config.json: 基础转换设置,包括资源文件夹名称、是否保留元数据等config.obsidian.json: Obsidian专用配置,支持双向链接和标签格式调整config.tana.json: Tana编辑器适配配置,优化节点结构和属性展示
通过修改这些文件,你可以自定义标签前缀、调整链接样式、设置元数据显示格式等。
模板系统使用
Yarle的模板系统允许你完全控制Markdown输出格式,项目提供多种预设模板:
sampleTemplate.tmpl: 标准模板,适合大多数场景sampleTemplate_tags-array.tmpl: 将标签转换为数组格式sampleTemplate_tana.tmpl: 针对Tana优化的模板
创建自定义模板时,可使用占位符如{{title}}、{{content}}、{{tags}}等来定义内容结构。
特殊字符处理展示
Yarle内置文件名 sanitize 功能,自动处理特殊字符。测试案例显示,包含尖括号、冒号、问号等特殊字符的标题能被正确转换,避免因文件名问题导致的链接失效。
相关工具
- Evernote批量导出工具:帮助快速导出多个笔记本
- Markdown格式检查器:验证转换后的Markdown文件格式
- 笔记管理工具对比表:协助选择适合的Markdown编辑器
常见问题
Q: 转换后图片无法显示怎么办?
A: 检查资源文件夹路径是否正确,默认情况下Yarle会在输出目录创建_resources文件夹。可通过resourceFolderName配置项自定义路径。
Q: 如何保留Evernote的创建时间和更新时间?
A: 使用包含元数据的模板,如full_template.templ,可保留创建时间、更新时间、作者等信息。
Q: 转换大量笔记时出现性能问题怎么解决?
A: 可分批处理笔记,或使用--parallel参数启用并行处理提高转换速度。
通过Yarle,你可以轻松实现从Evernote到Markdown的无缝迁移,释放笔记的真正价值。无论是个人知识管理还是团队协作,Yarle都能为你提供高效、可靠的格式转换体验。立即尝试,开启你的Markdown笔记之旅!
项目文档:Templates.md
Logseq用户指南:Notes_for_Logseq.md
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust089- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00



