MarkItDown-微软开源，可将各种文档转换为Markdown格式文档

MarkItDown 是一个将各种文件转换为 Markdown 格式的实用工具，适用于索引、文本分析等用途。它支持以下格式：

• PDF
• PowerPoint
• Word
• Excel
• 图片（EXIF 元数据和 OCR）
• 音频（EXIF 元数据和语音转录）
• HTML
• 基于文本的格式（CSV、JSON、XML）
• ZIP 文件（遍历内容）

安装

使用 pip 安装 MarkItDown：

pip install markitdown

或者从源代码安装：

pip install -e .

使用方法

命令行

使用命令行将文件转换为 Markdown：

markitdown path-to-file.pdf > document.md

也可以通过管道传递内容：

cat path-to-file.pdf | markitdown

Python API

在 Python 中使用 MarkItDown：

from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("test.xlsx")
print(result.text_content)

使用大型语言模型为图像描述提供 llm_client 和 llm_model：

from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)

Docker

使用 Docker 构建和运行 MarkItDown：

docker build -t markitdown:latest .
docker run --rm -i markitdown:latest < ~/your-file.pdf > output.md