markitdown 一条命令免费把 PDF、Word、EPUB 文档转成 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/markitdown你的 PDF 和 Word 里藏着需要的段落可复制出来就是没了标题和表格的文字汤喂给大模型前你还得手动清理一遍。markitdown 就是为此准备的开源 Python 工具把文件路径丢给它一份保留了标题、列表、引用结构的 Markdown 直接打印到终端全程本地运行免费。先看效果转出来是什么样这是仓库自带测试电子书packages/markitdown/tests/test_files/test.epub的实际转换输出**Title:** Test EPUB Document **Authors:** Test Author **Language:** en **Description:** A test EPUB document for MarkItDown testing **Identifier:** test-book-id ## Test EPUB Document 1. Chapter 1 2. Chapter 2 # Chapter 1: Test Content This is a **test** paragraph with some formatting. It includes: * A bullet point * Another point开头几行是 markitdown 从 EPUB 内部元数据里抽出的书名、作者、语言等于顺手帮你生成了著录信息。正文部分章节按书的阅读顺序spine拼接成#和##标题粗体、斜体、列表、引用块都还原成了对应的 Markdown 语法而不是挤成一坨纯文本。用之前先对号入座先花 10 秒看看你是不是命中了下面任一条命中就值得往下读你常要把 PDF、Word、EPUB 变成文本贴进笔记或喂给大模型但复制粘贴后结构全丢你手上有几十上百个格式各异的文件需要批量、可重复地转成同一种格式文件内容敏感不想上传到任何在线转换网站你在搭自动化流程抓取文档 → 转 Markdown → 入库/向量化缺一个干净的转换入口。四条一条都没命中那这个工具暂时帮不上你可以跳过了。装上并跑第一条命令先确认 Python 版本markitdown 要求 3.10 及以上低于这个版本装不上python3 --version再装全套可选依赖。[all]会一次装齐处理 PDF、Office、音频的库避免转文件时才想起缺依赖pip install markitdown[all]装完直接转第一个文件结果打印到终端markitdown packages/markitdown/tests/test_files/test.epub终端里出现上面那节展示的 Markdown就说明一切就绪。想自己改代码参与开发才需要拉源码装clone 仓库后在packages/markitdown下执行pip install -e packages/markitdown[all]仓库地址https://gitcode.com/GitHub_Trending/ma/markitdown。动手拿一个真实文件跑通全程这次用-o直接把结果存成文件markitdown packages/markitdown/tests/test_files/test.epub -o mybook.md打开mybook.md对照三个细节看转换质量元数据不是硬凑的开头**Title:**、**Authors:**、**Language:**等字段来自 EPUB 包里content.opf的 Dublin Core 元数据dc:title、dc:creator、dc:languagemarkitdown 解析后自动拼在最前面章节顺序跟着 spine 走书里先放了目录页nav.xhtml再放正文两章输出里目录变成编号链接列表、两章按#标题顺序跟上顺序和书一致而不是按文件名乱序行内格式没有丢strong变成**粗体**em变成*斜体*引用块变成开头这些是 Markdown 里 LLM 也能识别的结构不是看起来差不多。顺带一提markitdown 也处理图片它提取 EXIF 元数据配了视觉大模型还能生成图片描述仓库里的测试图就长这样常用参数速查参数作用示例-o结果写入文件不写则打印到终端markitdown a.docx -o a.md-x手动提示扩展名管道输入时用cat a \| markitdown -x pdf-m手动提示 MIME 类型markitdown -m text/html a-c提示字符集解决乱码markitdown a.txt -c UTF-8-p启用第三方插件如 markitdown-ocrmarkitdown a.pdf -p--list-plugins列出已安装插件markitdown --list-plugins-v打印版本号markitdown -v两个替代入口顺手掌握。管道输入适合嵌进脚本流水线此时 markitdown 拿不到扩展名用-x告诉它格式即可cat path-to-file.pdf | markitdown -x pdf批量处理或嵌进自己的工具用 Python API四行搞定from markitdown import MarkItDown md MarkItDown() result md.convert(test.xlsx) print(result.markdown)常见问题与处理办法转 PDF 时报 ModuleNotFoundError提示缺 pdfminer 之类的库。原因是只装了裸markitdown没装对应格式的依赖组。处理一开始就pip install markitdown[all]或按需pip install markitdown[pdf, docx]。安装直接失败日志里要求 Python 3.10。markitdown 不支持 3.10 以下版本这是最常见的按教程操作却没装上。处理用 uv 或 conda 拉一个 3.12 环境再装。管道输入的结果不对或像纯文本。cat file | markitdown时 markitdown 没有扩展名可猜识别不到格式。处理补一个提示参数如-x pdf或-m application/pdf。转 wav、mp3 时终端出现 Couldnt find ffmpeg 警告。这是音频转写组件找解码器的提示不影响 PDF、Office 等其他格式的转换。处理真要转语音就装 ffmpeg只转文档可忽略。把不受信任的网址或文件路径直接丢给程序。markitdown 会以当前进程权限读写它碰到的任何资源。处理服务器场景先用convert_local()、convert_stream()这类窄入口控制输入范围并校验路径。只转了某一种格式想省事又不想装全部。[all]装的东西偏多可以只装用得到的组合。处理按需指定依赖组例如pip install markitdown[pdf, docx]。适用边界谁该上、谁该绕开维度markitdown在线转换网站手动复制粘贴标题/列表/表格等结构保留✅ 转成 Markdown 语法⚠️ 取决于服务❌ 基本丢失批量处理✅ 循环或 API 即可❌ 逐个上传❌文件留在本地✅ 全程离线❌ 需要上传✅成本免费多有额度限制耗时间推荐你如果你经常把 PDF、Word、电子书变成文本笔记或作为大模型问答、摘要的输入你在写自动化管道需要一个稳定、可脚本化的文档转 Markdown 入口文件敏感不想离开本机。不推荐如果你要的是PDF 逐页高保真还原成可编辑版式那是专业排版工具DTP的活markitdown 的目标是面向文本分析的结构化提取你一年就转一两个小文件打开在线网站更快。今天就可以装好它把文档库里积压的 PDF 和 Word 批量转一遍存成.md直接入库。【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