∴ 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
∴ 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
- 01使用 pip 安装:pip install 'markitdown[all]'
- 02命令行转换:markitdown path-to-file.pdf > document.md
- 03或指定输出文件:markitdown path-to-file.pdf -o document.md
- 04管道输入:cat path-to-file.pdf | markitdown
- 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。