∴ GitHub / 趋势仓库

microsoft / markitdown

将各类文件与 Office 文档转换为 Markdown 的 Python 工具

语言
Python
Star
182k
Fork
13.3k
当日新增(09-09)
+2,047
累计在榜
3 天
最高名次
第 2 名
首次上榜
2026-09-07
去 GitHub 查看 ↗

∴ 是什么

MarkItDown 是一个轻量级 Python 工具,用于将多种文件格式转换为 Markdown,供 LLM 和文本分析管线使用。它支持 PDF、PowerPoint、Word、Excel、图片、音频、HTML、文本格式、ZIP、YouTube URL 和 EPUB 等格式。转换过程保留标题、列表、表格、链接等文档结构,输出主要面向文本分析工具而非高保真人工阅读。

∴ 解决什么问题

  • 将多种文件格式统一转换为 Markdown,便于 LLM 理解和处理
  • 保留文档结构(如标题、列表、表格、链接),降低信息丢失
  • 支持图片和音频的元数据提取及 OCR/语音转写
  • 可集成 Azure 内容理解或文档智能进行更高质量转换

∴ 怎么上手

  1. 01使用 pip 安装:pip install 'markitdown[all]'
  2. 02命令行转换:markitdown path-to-file.pdf > document.md
  3. 03或指定输出文件:markitdown path-to-file.pdf -o document.md
  4. 04管道输入:cat path-to-file.pdf | markitdown
  5. 05Python API:from markitdown import MarkItDown; md = MarkItDown(); result = md.convert("test.xlsx"); print(result.markdown)

∴ 适合谁

需要将各类文档批量转为 Markdown 供 LLM 或文本分析使用的开发者,尤其是涉及 Office 文档、PDF 和多媒体文件的场景。

∴ 要点

  • 支持 PDF、PowerPoint、Word、Excel、图片、音频、HTML、CSV/JSON/XML、ZIP、YouTube URL、EPUB 等格式
  • 可选依赖按需安装,例如 pip install 'markitdown[pdf, docx, pptx]'
  • 支持第三方插件,默认禁用,可用 --list-plugins 和 --use-plugins 管理
  • markitdown-ocr 插件利用 LLM Vision 对嵌入图片进行 OCR,无需额外 ML 库
  • Azure Content Understanding 提供多模态转换和结构化字段提取(YAML front matter),按调用计费
  • 安全提示:转换时以当前进程权限访问资源,在不可信环境中需净化输入
许可证 MITautogenautogen-extensionlangchainmarkdownmicrosoft-officeopenaipdf

解读由 AI 依据项目 README 生成,生成于 2026-10-07,以 GitHub 原文为准。

∴ 在榜记录

GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-07 首次上榜,累计在榜 3 天,最高第 2 名。

[object Object]2026-09-07 +7712026-09-08 +8862026-09-09 +2,047
每日新增 Star · 2026-09-07 至 2026-09-09 · 共 3 个在榜日峰值 +2,047
日期名次当日新增总 Star
#9+2,047181,775
#9+886181,276
#2+771179,251