一个由微软开源的 Python 工具，用于将多种文件格式转换为 Markdown 格式

📚 Markitdown

由微软开源的 Python 工具，用于将多种文件格式转换为 Markdown 格式
支持：PDF、PowerPoint、Word、Excel、图像、音频、HTML、文本格式（CSV、JSON、XML）、ZIP 文件的转换。
它旨在提供一个简单且灵活的解决方案，以便在您的应用程序中轻松集成 Markdown 渲染功能。

🌟 核心功能

• 多格式支持: 一键转换 PDF/PPT/Word/Excel/图像/音频/HTML 等12+格式

• 智能处理:

• 图像 OCR文字识别 (支持中文扫描件)

• 音频 语音转文字 (支持英文优先)

• 集成 GPT-4o 生成图像描述

• 开发者友好: 提供Python API及Docker部署方案

• 🚀 特性

• 轻量级：小巧的库，易于集成。

• 快速：高效的 Markdown 解析和渲染。

• 可扩展：支持自定义插件和扩展功能。

• 易于使用：简单的 API，快速上手。

🔧 典型应用场景

• 文档归档: 批量转换Office文件为Markdown
• 知识库构建: 整合OCR文本+语音转录内容
• 自动化流程: 结合CI/CD实现文档发布流水线

🛠️ 快速安装

# 基础安装 (Python 3.10+)
pip install markitdown[all]

或从源码安装

git clone https://github.com/microsoft/markitdown
cd markitdown
pip install -e .

🛠️ 使用

📖 使用示例

命令行工具

# 转换PDF到Markdown
markitdown input.pdf -o output.md

# 管道操作
cat input.docx | markitdown > output.md

或者使用-o指定输出文件：
markitdown path-to-file.pdf -o document.md

可选依赖项

MarkItDown 有可选的依赖项用于激活各种文件格式。在本文档的前面，可以使用 [all] 选项安装了所有可选依赖项。当然，您也可以单独安装它们以获得更多的控制权。
例如：

pip install 'markitdown[pdf, docx, pptx]'

将仅安装PDF、DOCX和PPTX文件所需的依赖项。

目前，以下可选依赖项可用：

• [all]安装所有可选依赖项 [pptx]为PowerPoint文件安装依赖项
• [docx]为Word文件安装依赖项
• [xlsx]为Excel文件安装依赖项
• [xls]为旧的Excel文件安装依赖项
• [pdf]为PDF文件安装依赖项
• [outlook]为 Outlook 消息安装依赖项
• [az-doc-intel]安装 Azure 文档智能所需的依赖项
• [audio-transcription]安装用于WAV和MP3文件音频转录的依赖项
• [youtube-transcription]安装获取 YouTube 视频字幕所需的依赖项

插件

MarkItDown 还支持第三方插件。插件默认禁用。
以下操作可列出已安装的插件：

markitdown --list-plugins

启用插件使用：

markitdown --use-plugins path-to-file.pdf

要查找可用的插件，请在GitHub上搜索该标签#markitdown-plugin。

Azure 文档智能

要使用 Microsoft 文档智能进行转换：

markitdown path-to-file.pdf -o document.md -d -e "<document_intelligence_endpoint>"

Python 应用程序编程接口

在 Python 中的基本用法：

from markitdown import MarkItDown


md = MarkItDown(enable_plugins=False) # Set to True to enable plugins
result = md.convert("test.xlsx")
print(result.text_content)

Python中的文档智能转换：

from markitdown import MarkItDown

md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

要使用大语言模型进行图像描述，请提供 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)

📚 运行测试和检查

导航到 MarkItDown 包：

cd packages/markitdown

安装 hatch 在您的环境中并运行测试：

pip install hatch  # Other ways of installing hatch: https://hatch.pypa.io/dev/install/
hatch shell
hatch test

（替代方案）使用已安装所有依赖项的Devcontainer：

Reopen the project in Devcontainer and run:
hatch test

在提交 PR 之前运行预提交检查：pre-commit run --all-files

5、每日资源 在这里

💯 👉【我的更新汇总】

👉项目直达

关注我的CSDN博客

更多资源可以查看我的CSDN博客