MarkItDown 文档转换指南3 条命令把 PDF 和办公文档变成 Markdown【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdownMarkItDown 是一个 Python 文档转换工具能把 PDF、Word、Excel、PPT、音频等 20 多种文件类型转成 Markdown适合想把大量文档喂给大语言模型的工程师也适合只是想快速提取办公文件文字的普通用户。它的输出目标是给程序处理而不是印到纸上标题、列表、表格、链接都会变成标准 Markdown 语法。如果你需要一份排版精美、供人阅读打印的文档这个工具不是对的选择。先解决一个问题文档和大语言模型之间的隔阂做 AI 应用时第一步往往要把文档喂给模型。但 .pdf、.xlsx 是二进制格式模型只认得文本所以惯例是先把内容统一转成纯文本。选中的格式大多是 Markdown。它离纯文本很近又能表达结构。GPT-4o 这类模型训练时见过海量 Markdown 文本天生懂这套语法而且标记开销小——同样内容喂给模型比 HTML 消耗的 token 少API 账单也就更低。安装与首次转换3 条命令完成前提是 Python 3.10 或更高版本建议装在虚拟环境里避免依赖冲突。这条命令安装全部格式依赖pip install markitdown[all]只用少数格式时可以按需安装省得拉一堆用不上的库pip install markitdown[pdf, docx, pptx]装完后终端多了一个markitdown命令转一个文件只要一行markitdown report.pdf -o report.md打开生成的report.md看一眼原文标题还是标题层级表格变成了 Markdown 表格链接依然有效。想接到脚本里也可以用管道喂入cat report.pdf | markitdown report.md在 Python 程序里做同样的事代码更短from markitdown import MarkItDown md MarkItDown() print(md.convert(data.xlsx).text_content) 支持哪些格式20 多种文件都能交出去官方 转换器目录 里能处理的类型包括PDF、PowerPoint、Word、Excel含老式 xls、图片、音频、HTML、CSV/JSON/XML 这类文本格式、ZIP 包、EPUB甚至 YouTube 链接。有三个行为值得注意图片默认提取 EXIF 拍摄元数据接上大模型客户端后还能给图片内容生成描述文字音频走语音转写把声音变成文字ZIP按顺序处理里面的每个文件合并输出转换结果下面是一个典型输入取自项目测试目录里的一篇学术论文 PDF 首页截图这种带标题、作者列表和图表说明的页面最考验转换能力。转完之后标题层级、作者信息都能在 Markdown 输出里直接找到。测试文件目录里还有更多格式的样例可以拿来自己跑一遍。️ 内置能力不够时三条扩展路线扫描件 OCR。纯扫描的 PDF、内嵌图片多的文档装markitdown-ocr插件即可它借大模型的视觉能力从图片里取文字不需要额外引入重型机器学习依赖OCR 插件文档里有完整用法。LLM 图片描述。转换 PPT 和图片文件时传入一个大模型客户端模型会为每张图片写一段文字描述下游程序也能看懂图表内容。Azure 云转换。微软提供 Document Intelligence 和 Content Understanding 两个云端选项适合对复杂版面、表格的提取质量要求更高或需要抽取发票金额、日期这类结构化字段的场景。注意云端调用是计费的。另外提醒一句这个工具以你进程同样的权限读文件。环境里若有不可信来源的文件先做校验或者改用范围更窄的convert_local()而不是通用的convert()。想要清单里没有的格式插件示例包演示了如何自己写一个新转换器。✅ 现在就可以做的两件事转一份你常用的文档挑桌面上一份 PDF执行markitdown 文件名.pdf -o out.md打开输出文件核对标题、表格、链接是否都还在。跑通一个插件把源码克隆下来打开packages/markitdown-sample-plugin/里的测试读一遍十几分钟就能明白新格式是怎么接进来的git clone https://gitcode.com/GitHub_Trending/ma/markitdown【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdown创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MarkItDown 文档转换指南：3 条命令把 PDF 和办公文档变成 Markdown
MarkItDown 文档转换指南3 条命令把 PDF 和办公文档变成 Markdown【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdownMarkItDown 是一个 Python 文档转换工具能把 PDF、Word、Excel、PPT、音频等 20 多种文件类型转成 Markdown适合想把大量文档喂给大语言模型的工程师也适合只是想快速提取办公文件文字的普通用户。它的输出目标是给程序处理而不是印到纸上标题、列表、表格、链接都会变成标准 Markdown 语法。如果你需要一份排版精美、供人阅读打印的文档这个工具不是对的选择。先解决一个问题文档和大语言模型之间的隔阂做 AI 应用时第一步往往要把文档喂给模型。但 .pdf、.xlsx 是二进制格式模型只认得文本所以惯例是先把内容统一转成纯文本。选中的格式大多是 Markdown。它离纯文本很近又能表达结构。GPT-4o 这类模型训练时见过海量 Markdown 文本天生懂这套语法而且标记开销小——同样内容喂给模型比 HTML 消耗的 token 少API 账单也就更低。安装与首次转换3 条命令完成前提是 Python 3.10 或更高版本建议装在虚拟环境里避免依赖冲突。这条命令安装全部格式依赖pip install markitdown[all]只用少数格式时可以按需安装省得拉一堆用不上的库pip install markitdown[pdf, docx, pptx]装完后终端多了一个markitdown命令转一个文件只要一行markitdown report.pdf -o report.md打开生成的report.md看一眼原文标题还是标题层级表格变成了 Markdown 表格链接依然有效。想接到脚本里也可以用管道喂入cat report.pdf | markitdown report.md在 Python 程序里做同样的事代码更短from markitdown import MarkItDown md MarkItDown() print(md.convert(data.xlsx).text_content) 支持哪些格式20 多种文件都能交出去官方 转换器目录 里能处理的类型包括PDF、PowerPoint、Word、Excel含老式 xls、图片、音频、HTML、CSV/JSON/XML 这类文本格式、ZIP 包、EPUB甚至 YouTube 链接。有三个行为值得注意图片默认提取 EXIF 拍摄元数据接上大模型客户端后还能给图片内容生成描述文字音频走语音转写把声音变成文字ZIP按顺序处理里面的每个文件合并输出转换结果下面是一个典型输入取自项目测试目录里的一篇学术论文 PDF 首页截图这种带标题、作者列表和图表说明的页面最考验转换能力。转完之后标题层级、作者信息都能在 Markdown 输出里直接找到。测试文件目录里还有更多格式的样例可以拿来自己跑一遍。️ 内置能力不够时三条扩展路线扫描件 OCR。纯扫描的 PDF、内嵌图片多的文档装markitdown-ocr插件即可它借大模型的视觉能力从图片里取文字不需要额外引入重型机器学习依赖OCR 插件文档里有完整用法。LLM 图片描述。转换 PPT 和图片文件时传入一个大模型客户端模型会为每张图片写一段文字描述下游程序也能看懂图表内容。Azure 云转换。微软提供 Document Intelligence 和 Content Understanding 两个云端选项适合对复杂版面、表格的提取质量要求更高或需要抽取发票金额、日期这类结构化字段的场景。注意云端调用是计费的。另外提醒一句这个工具以你进程同样的权限读文件。环境里若有不可信来源的文件先做校验或者改用范围更窄的convert_local()而不是通用的convert()。想要清单里没有的格式插件示例包演示了如何自己写一个新转换器。✅ 现在就可以做的两件事转一份你常用的文档挑桌面上一份 PDF执行markitdown 文件名.pdf -o out.md打开输出文件核对标题、表格、链接是否都还在。跑通一个插件把源码克隆下来打开packages/markitdown-sample-plugin/里的测试读一遍十几分钟就能明白新格式是怎么接进来的git clone https://gitcode.com/GitHub_Trending/ma/markitdown【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdown创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考