微软开源的 Python 工具，用于将各种文件和办公文档转换为 Markdown 格式，适用于索引、文本分析等场景。

markitdown

由微软开源的 Python 工具，用于将各种文件和办公文档转换为 Markdown 格式，适用于索引、文本分析等场景。

Github地址

https://github.com/microsoft/markitdown

支持的文件格式：

• PDF

• PowerPoint

• Word

• Excel

• 图片（EXIF 元数据和 OCR）

• 音频（EXIF 元数据和语音转录）

• HTML

• 文本格式（CSV, JSON, XML）

• ZIP 文件（遍历内容）

安装方法：

• 使用 pip 安装：pip install markitdown

• 或从源代码安装：pip install -e .

使用方式：

1.命令行：

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

或者使用-o指定输出文件：

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

也可以通过管道传递内容：

cat path-to-file.pdf | markitdown

1.Python API：

使用大型语言模型进行图像描述时，提供llm_client和llm_model：

1.Docker：

批量处理多个文件：示例脚本展示了如何在单次运行中将多个文件转换为 Markdown 格式。该脚本处理目录中的所有支持的文件，并创建相应的 Markdown 文件。