MarkItDown把20种文档格式转成Markdown喂给LLM【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当你需要把一份PDF报告转成Markdown再喂给LLM时一行命令就够了。MarkItDown是一款Python文档转换工具支持PDF、Word、Excel、图片、音频等20多种格式输出会保留文档的标题、列表、表格和链接。项目定位MarkItDown由微软AutoGen团队开发是一个轻量Python工具要求Python 3.10MIT协议。它在工具链里的位置是文档到LLM之间的适配器不追求像素级还原版式而是保留标题、列表、表格、链接等结构给下游大模型和文本分析管线一份干净的输入。仓库自带的测试资产里就有大量真实输入文档比如这篇学术论文首页——正是它最常处理的PDF输入。核心能力拆解格式覆盖与按需安装依赖内置转换器按格式拆分在converters/目录下覆盖PDF、PPTX、DOCX、XLSX、图片、音频、HTML、CSV/JSON/XML、ZIP、EPUB、Outlook邮件连YouTube视频转录都有。pip install markitdown[all] # 全量安装 pip install markitdown[pdf, docx] # 只装PDF和Word支持依赖按格式分组的意义在于装得少只用Word就加[docx]体积比全量安装小很多。CLI、管道、Python三种调用方式同一个转换引擎三种调用方式任选markitdown report.pdf -o report.md cat report.pdf | markitdownfrom markitdown import MarkItDown print(MarkItDown().convert(test.xlsx).text_content)批量脚本里循环调用convert()即可想收紧输入面还可以换用convert_local()或convert_stream()。LLM增强的图片描述传入OpenAI兼容客户端后它会给图片生成文字描述配合OCR插件还能识别文档内嵌图片里的文字from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o)不传llm_client时该能力静默关闭回退到内置转换器不影响基础转换。一个完整工作流PDF到LLM可用的Markdown以把研究报告PDF交给LLM分析为例三步走完markitdown research_report.pdf -o analysis.md head -n 50 analysis.md cat analysis.md | your_llm_app第一条命令完成转换得到保留标题与表格的Markdown第二条抽查结构质量第三条直接把文本流进下游应用或在Python管线里写库。生态与扩展扩展能力拆在独立包里核心包保持轻量pip install markitdown-ocrOCR插件给PDF、DOCX、PPTX、XLSX增加图片文字提取Azure Document IntelligenceCLI加-d -e endpoint云端版面分析扫描件和复杂表格质量更高示例插件实现一个DocumentConverter即可新增格式markitdown-mcpMCP服务器让Agent应用直接调用转换收尾什么时候选它MarkItDown的价值在于把二进制文档变成LLM友好的Markdown让你的管线不用关心输入格式。需要批量把PDF、Office文档、图片变成文本输入时它是省事的选择如果你要的是给人看的、像素级还原排版的转换那应该选专门的排版转换工具。【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 MarkItDown：把20+种文档格式转成Markdown喂给LLM
MarkItDown把20种文档格式转成Markdown喂给LLM【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当你需要把一份PDF报告转成Markdown再喂给LLM时一行命令就够了。MarkItDown是一款Python文档转换工具支持PDF、Word、Excel、图片、音频等20多种格式输出会保留文档的标题、列表、表格和链接。项目定位MarkItDown由微软AutoGen团队开发是一个轻量Python工具要求Python 3.10MIT协议。它在工具链里的位置是文档到LLM之间的适配器不追求像素级还原版式而是保留标题、列表、表格、链接等结构给下游大模型和文本分析管线一份干净的输入。仓库自带的测试资产里就有大量真实输入文档比如这篇学术论文首页——正是它最常处理的PDF输入。核心能力拆解格式覆盖与按需安装依赖内置转换器按格式拆分在converters/目录下覆盖PDF、PPTX、DOCX、XLSX、图片、音频、HTML、CSV/JSON/XML、ZIP、EPUB、Outlook邮件连YouTube视频转录都有。pip install markitdown[all] # 全量安装 pip install markitdown[pdf, docx] # 只装PDF和Word支持依赖按格式分组的意义在于装得少只用Word就加[docx]体积比全量安装小很多。CLI、管道、Python三种调用方式同一个转换引擎三种调用方式任选markitdown report.pdf -o report.md cat report.pdf | markitdownfrom markitdown import MarkItDown print(MarkItDown().convert(test.xlsx).text_content)批量脚本里循环调用convert()即可想收紧输入面还可以换用convert_local()或convert_stream()。LLM增强的图片描述传入OpenAI兼容客户端后它会给图片生成文字描述配合OCR插件还能识别文档内嵌图片里的文字from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o)不传llm_client时该能力静默关闭回退到内置转换器不影响基础转换。一个完整工作流PDF到LLM可用的Markdown以把研究报告PDF交给LLM分析为例三步走完markitdown research_report.pdf -o analysis.md head -n 50 analysis.md cat analysis.md | your_llm_app第一条命令完成转换得到保留标题与表格的Markdown第二条抽查结构质量第三条直接把文本流进下游应用或在Python管线里写库。生态与扩展扩展能力拆在独立包里核心包保持轻量pip install markitdown-ocrOCR插件给PDF、DOCX、PPTX、XLSX增加图片文字提取Azure Document IntelligenceCLI加-d -e endpoint云端版面分析扫描件和复杂表格质量更高示例插件实现一个DocumentConverter即可新增格式markitdown-mcpMCP服务器让Agent应用直接调用转换收尾什么时候选它MarkItDown的价值在于把二进制文档变成LLM友好的Markdown让你的管线不用关心输入格式。需要批量把PDF、Office文档、图片变成文本输入时它是省事的选择如果你要的是给人看的、像素级还原排版的转换那应该选专门的排版转换工具。【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