MarkItDown 从 0 到 15 分钟把办公文档变成 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 是微软开源的 Python 命令行工具只做一件事把 PDF、Word、PPT、Excel 这些办公文档转换成 Markdown。如果你要建搜索索引、给大模型喂语料或者单纯想整理一堆文档手动复制重排是最耗时的环节这个工具把这一环自动化了。装它只要一条命令跑通第一个文档不超过 5 分钟。30 秒装好MarkItDown 安装命令环境要求一句话Python 3.10 及以上比多数文章里写的 3.6 要求严格版本不够会直接安装失败。pip install markitdown[all]markitdown --version--version打印出版本号就说明装好了。[all]会带上全部格式依赖后面按需加载一节会讲怎么只装自己用的。它能干什么办公文档、网页与音频办公文档最核心场景PDF、Word、PPT、Excel 直接转 Markdown标题、表格等结构会保留下来。markitdown report.pdf -o report.md网页与 HTML本地 HTML 或网页正文能直接提取导航和广告这类噪音会被去掉。markitdown page.html音频mp3、wav 可以转录成文字YouTube 视频字幕也能抓取转录依赖走独立的 extra。markitdown talk.mp3扫描件整页是图片的 PDF 可以接 Azure Document Intelligence 做 OCR需要自备服务端点。markitdown scan.pdf -d -e endpoint跑一个真实例子PDF 转 Markdown克隆仓库后用仓库自带的论文 PDF 跑一条完整命令输入、输出都能对上markitdown packages/markitdown/tests/test_files/test.pdf -o output.md输入是 tests 目录下的论文 PDF输出是output.md。打开看正文变成了纯 Markdown 文本章节标题、段落结构都保留着可以直接丢进编辑器或知识库。按需加载只装你用到的依赖基础包只带少数转换器其余格式通过 pip extras 用方括号按需安装想扩展更多格式还可以用-p开关启用社区插件。场景命令只转 PDFpip install markitdown[pdf]音频转文字pip install markitdown[audio-transcription]扫描件 OCRpip install markitdown[az-doc-intel]三个容易踩的坑坑 1转 PDF 报错说找不到转换器现象命令直接失败提示里没有可用的 converter。原因只装了基础包PDF 解析依赖没装。解法补装pip install markitdown[pdf]或干脆用[all]。坑 2扫描件 PDF 转出来几乎是空的现象PDF 在浏览器里看着正常转换结果只有寥寥几行。原因整页是图片默认转换器只读真实文本不做 OCR。解法安装az-doc-intel依赖用-d -e传入端点走云端 OCR。坑 3裸敲 markitdown 后终端卡住现象没带文件名运行光标停住没有任何输出。原因文件名是可选参数缺省时它会读标准输入一直等你的管道数据。解法始终带上文件名或按 CtrlC 退出。去哪看更多各格式的解析实现都集中在 packages/markitdown/src/markitdown/converters/想搞清楚某个格式是怎么被拆开的直接读这里的源码。想给文档加 OCR 能力可以看 packages/markitdown-ocr/ 里的插件实现。打开终端跑上面30 秒装好那条安装命令然后随手把一个 PDF 丢给 markitdown。【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