微软开源Python Markdown转换工具

分享一个microsoft开源的Python工具——markitdown，轻松将各类文件转换为Markdown格式。

markitdown支持的文件格式

• PDF（.pdf）
• PowerPoint（.pptx）
• Word（.docx）
• Excel（.xlsx）
• 图片（支持EXIF元数据和OCR识别）
• 音频（支持EXIF元数据和语音转录）
• HTML（包括对Wikipedia等特殊处理）
• 各种其他基于文本的格式（如csv、json、xml等）
• ZIP（遍历压缩包内容并逐一转换每个文件）

markitdown使用

• 安装

pip install markitdown

• Python代码中使用小例子

from markitdown import MarkItDown  
# 导入MarkItDown类
markitdown = MarkItDown()  
# 创建MarkItDown对象
result = markitdown.convert("test.xlsx")  
# 转换test.xlsx为Markdown格式
print(result.text_content)  
# 输出转换后的内容

• Python代码中使用小例子（借助大模型）

from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o") #指定使用"gpt-4o"模型
result = md.convert("example.jpg")
print(result.text_content)

• 终端使用小例子

markitdown path-to-file.pdf > document.md
#将path-to-file.pdf转为document.md文件

进一步学习：https://github.com/microsoft/markitdown