MarkItDown 入门指南：3 步把 PDF、Word、Excel 转成 Markdown

MarkItDown 入门指南3 步把 PDF、Word、Excel 转成 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 是一个轻量级 Python 文档转换工具能把 PDF、Word、Excel、PPT、HTML、音频等文件转成 Markdown。它专为 LLM 和文本分析流水线的预处理环节设计输出保留标题、列表、表格、链接等原始结构。如果你正被把各种办公文档手动复制、清理格式这件事困扰它能把这些工作压缩成一条命令。安装只需一条 pip 命令也提供 Python API 方便写进自己的脚本。先搞清楚它到底能帮你做什么MarkItDown 的定位很明确它不是给人看的排版工具而是把杂乱文件变成模型能读的文字的管道组件。官方支持的输入包括 PDF、PowerPoint、Word、Excel、EPUB、HTML、图片EXIF 元数据与 OCR、音频元数据与语音转写、CSV/JSON/XML 等文本格式、ZIP 压缩包甚至 YouTube 链接。适合两类人一需要把文档喂给 LLM 的开发者RAG、问答、摘要场景二想把一堆混杂格式的存量材料统一成可检索文本的人。注意它的输出是足够可读而非高保真排版别拿它当印刷级排版工具用。5 分钟跑起来安装与第一次使用✅ 需要 Python 3.10 及以上。推荐安装方式一行搞定[all]选项会装齐所有可选依赖pip install markitdown[all]然后跑通你的第一次转换markitdown report.pdf -o report.md也支持管道输入cat report.pdf | markitdown。想写进 Python 代码API 同样简洁from markitdown import MarkItDown md MarkItDown() result md.convert(test.xlsx) print(result.text_content)进阶玩法参数与扩展机制CLI 参数不多常用的是这几个-o / --output输出文件不写则打印到控制台-x / --extension从 stdin 读取时提示扩展名帮助识别格式-d --use-docintel -e endpoint改用 Azure Document Intelligence 做云端提取--use-cu --cu-endpoint endpoint改用 Azure Content Understanding额外支持音频/视频-p / --use-plugins启用第三方插件--list-plugins查看已装插件插件默认关闭。比如官方 markitdown-ocr 插件能借 LLM Vision 提取 PDF/DOCX/PPTX/XLSX 中嵌入图片里的文字markitdown --list-plugins markitdown -p document_with_images.pdfAPI 层面还可以让 LLM 直接给图片写描述支持图片和 PPTX 文件from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o) 提示只用少数格式的话不必全装pip install markitdown[pdf, docx, pptx]可以只装需要的依赖。这些场景真的用得上RAG 知识库文档预处理把知识库里的 PDF、Word 材料批量丢给工具得到保留标题层级的 Markdown再切块、嵌入。Markdown 对 token 友好主流 LLM 天然会说 Markdown衔接非常自然。混合办公文档批量归档Excel 报表、PPT 大纲、Outlook 邮件装[outlook]依赖统统变成可全文检索的文本不必再逐个打开文件翻找。图片材料转文字纯图片文件默认输出 EXIF 元数据传入llm_client和llm_model后模型会直接描述图片内容输出文字段落避坑与常见问题⚠️ 注意转换结果缺内容时先检查是否装了可选依赖。只装基础包不带[all]PDF、Excel 等转换器是不可用的。Q从 stdin 管道读入时识别不了格式 A加-x pdf或-m application/pdf提供格式提示-c可用于提示字符编码。Q装了插件但行为没变化 A插件默认关闭转换时必须加-p / --use-plugins才会加载先用--list-plugins确认它装上了。Q服务里直接转换用户上传的文件安全吗 A官方安全章节明确提醒要先校验和限制输入只处理本地文件时建议调用convert_local()而不是功能更宽泛的convert()。MarkItDown 做的事情很单一——把各种文件变成模型能读的 Markdown但把这件事做得足够省事且可扩展。完整参数说明、可选依赖清单和插件开发方式见仓库内的 README.md 与示例插件。【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