MarkItDown 完整教程一键将 PDF、Word、PPT 等文件转成 Markdown 的免费 Python 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你有没有这种经历手里攥着一份 PDF 报告、一叠 Word 合同、几页 PPT 汇报想喂给大模型做总结、做检索、做分析却发现它们不是纯文本模型根本读不进去。MarkItDown 就是来解决这件事的一款免费开源的 Python 工具能把 PDF、Word、PPT、Excel甚至图片、音频、网页批量转成结构完整的 Markdown标题、列表、表格、链接全都保留。装完一条命令就能跑下面是完整上手指南。 核心价值速览格式覆盖广PDF、PowerPoint、Word、Excel、图片、音频、HTML、CSV/JSON/XML、ZIP、EPUB、YouTube 链接一个工具全搞定结构保真不是简单导出文字而是保留标题层级、列表、表格、链接等文档结构对 LLM 友好Markdown 本身就是大模型最说得顺的格式转完即可直接进你的 RAG 或分析流水线零配置起步pip一条命令安装CLI 一条命令转换Python API 三行代码接入可插拔扩展第三方插件机制按需加 OCR、加云提取服务核心包保持轻量 转换效果长什么样下面是项目测试文件中的真实样例。左边这类文档页面转换后标题、段落、图注都会变成规整的 Markdown 文本右边这类图片则能通过 LLM 生成描述文字。⚡ 三步跑起来安装 转换第一个文件前提需要 Python 3.10 或更高版本。建议使用虚拟环境避免依赖冲突python -m venv .venv source .venv/bin/activate第 1 步安装。最快路径是直接装全量依赖pip install markitdown[all]如果你偏好从源码安装需要贡献代码或调试克隆仓库后git clone https://gitcode.com/GitHub_Trending/ma/markitdown cd markitdown pip install -e packages/markitdown[all]第 2 步转换第一个文件。命令行下输入你的文件路径即可markitdown path-to-file.pdf document.md或者用-o直接指定输出文件markitdown path-to-file.pdf -o document.md第 3 步打开document.md检查。标题、表格、链接都在转换成功。到这里最短路径已经走完。下面挑最常用的几个功能细讲。 核心功能实操命令行转换的四种姿势文件参数markitdown example.pdf结果打印到终端管道输入cat example.pdf | markitdown适合脚本里串联处理指定输出markitdown example.pdf -o example.md给格式提示从 stdin 读入时不确定文件类型加-x pdf提示扩展名或用-m提示 MIME 类型、-c提示字符编码按需安装格式依赖[all]会装下所有格式支持其实你可以只装需要的部分环境更干净pip install markitdown[pdf, docx, pptx]Python API 接入你的项目三行代码把转换能力写进自己的程序from markitdown import MarkItDown md MarkItDown() result md.convert(test.xlsx) print(result.text_content)用 LLM 描述图片内容转换图片和 PPT 里的图片时传入一个 LLM 客户端它会自动为图片生成描述文字from markitdown import MarkItDown from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o) print(md.convert(example.jpg).text_content) 进阶能力Docker、MCP 服务与 OCR 插件Docker 部署项目根目录自带 Dockerfile两条命令完成容器化docker build -t markitdown:latest . docker run --rm -i markitdown:latest ~/your-file.pdf output.mdMCP 服务化如果你用 Claude Desktop 等 MCP 客户端可以装markitdown-mcp包它暴露一个convert_to_markdown(uri)工具支持 STDIO / HTTP / SSE 三种传输方式让 AI 助手直接帮你转文档。源码见 packages/markitdown-mcp/。OCR 插件扫描件、图片里的文字怎么办社区插件markitdown-ocr用 LLM Vision 从 PDF、DOCX、PPTX、XLSX 内嵌图片中提取文字扫描件会整页 300 DPI 渲染后识别。安装后加--use-plugins即可启用pip install markitdown-ocr openai markitdown scanned.pdf --use-plugins --llm-client openai --llm-model gpt-4o插件机制用markitdown --list-plugins查看已装插件搜索标签#markitdown-plugin可以找到更多社区插件。想自己写一个packages/markitdown-sample-plugin/ 提供了完整的 RTF 转换示例照着改就行。云提取服务本地转换质量不够时可以接 Azure Document Intelligence-d参数或 Azure Content Understanding--use-cu参数后者还支持音视频和结构化字段抽取适合发票、收据这类领域文档。所有格式的具体实现都集中在 packages/markitdown/converters/想看某个格式怎么转的直接翻这个目录。⚙️ 配置参考可选依赖组pip install时按需挑选依赖组激活的格式/能力[all]全部格式一步到位[pdf]PDF 文件[docx]Word 文档[pptx]PowerPoint 演示文稿[xlsx]/[xls]新版 / 旧版 Excel[outlook]Outlook 邮件[audio-transcription]WAV / MP3 语音转写[youtube-transcription]YouTube 视频字幕抓取[az-doc-intel]Azure Document Intelligence 云提取[az-content-understanding]Azure Content Understanding 多模态提取常用命令行参数参数说明-o,--output指定输出文件不填则打印到终端-x,--extensionstdin 输入时提供扩展名提示-m,--mime-typestdin 输入时提供 MIME 类型提示-c,--charset字符编码提示如 UTF-8-p,--use-plugins启用第三方插件--list-plugins列出已安装插件-d,--use-docintel改用 Document Intelligence 提取需配-e端点--use-cu改用 Content Understanding 提取需配--cu-endpoint❓ 常见问题Q为什么转成 Markdown 而不是纯文本AMarkdown 只比纯文本多一点点标记却能完整表达标题、列表、表格结构而主流大模型正是泡在海量 Markdown 里训练的理解得最好而且 token 效率更高。Q扫描版 PDF整页是图片能转吗A内置转换提取的是文档内嵌文字层纯扫描件建议装markitdown-ocr插件走 LLM 视觉识别或用 Azure 云提取服务。QPython 版本有什么要求A3.10 及以上Python 3.10~3.13 均在支持范围内。Q在服务器上做 Web 服务要注意什么AMarkItDown 以当前进程权限读写资源不要直接把不可信输入喂给convert()。只读本地文件就用更窄的convert_local()需要更强控制可以用convert_stream()。Q输出偶尔有人读起来不够美观正常吗A正常。它的目标是喂给文本分析工具保结构优先于保排版不建议当作高保真排版转换工具用。开始使用MarkItDown 把文档进、Markdown 出压缩成了一条命令的距离装完pip install markitdown[all]把文件路径丢给markitdown你的大模型流水线就有了干净的结构化文本。现在就挑一份手头的 PDF 试试剩下的交给它。【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 完整教程：一键将 PDF、Word、PPT 等文件转成 Markdown 的免费 Python 工具
MarkItDown 完整教程一键将 PDF、Word、PPT 等文件转成 Markdown 的免费 Python 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你有没有这种经历手里攥着一份 PDF 报告、一叠 Word 合同、几页 PPT 汇报想喂给大模型做总结、做检索、做分析却发现它们不是纯文本模型根本读不进去。MarkItDown 就是来解决这件事的一款免费开源的 Python 工具能把 PDF、Word、PPT、Excel甚至图片、音频、网页批量转成结构完整的 Markdown标题、列表、表格、链接全都保留。装完一条命令就能跑下面是完整上手指南。 核心价值速览格式覆盖广PDF、PowerPoint、Word、Excel、图片、音频、HTML、CSV/JSON/XML、ZIP、EPUB、YouTube 链接一个工具全搞定结构保真不是简单导出文字而是保留标题层级、列表、表格、链接等文档结构对 LLM 友好Markdown 本身就是大模型最说得顺的格式转完即可直接进你的 RAG 或分析流水线零配置起步pip一条命令安装CLI 一条命令转换Python API 三行代码接入可插拔扩展第三方插件机制按需加 OCR、加云提取服务核心包保持轻量 转换效果长什么样下面是项目测试文件中的真实样例。左边这类文档页面转换后标题、段落、图注都会变成规整的 Markdown 文本右边这类图片则能通过 LLM 生成描述文字。⚡ 三步跑起来安装 转换第一个文件前提需要 Python 3.10 或更高版本。建议使用虚拟环境避免依赖冲突python -m venv .venv source .venv/bin/activate第 1 步安装。最快路径是直接装全量依赖pip install markitdown[all]如果你偏好从源码安装需要贡献代码或调试克隆仓库后git clone https://gitcode.com/GitHub_Trending/ma/markitdown cd markitdown pip install -e packages/markitdown[all]第 2 步转换第一个文件。命令行下输入你的文件路径即可markitdown path-to-file.pdf document.md或者用-o直接指定输出文件markitdown path-to-file.pdf -o document.md第 3 步打开document.md检查。标题、表格、链接都在转换成功。到这里最短路径已经走完。下面挑最常用的几个功能细讲。 核心功能实操命令行转换的四种姿势文件参数markitdown example.pdf结果打印到终端管道输入cat example.pdf | markitdown适合脚本里串联处理指定输出markitdown example.pdf -o example.md给格式提示从 stdin 读入时不确定文件类型加-x pdf提示扩展名或用-m提示 MIME 类型、-c提示字符编码按需安装格式依赖[all]会装下所有格式支持其实你可以只装需要的部分环境更干净pip install markitdown[pdf, docx, pptx]Python API 接入你的项目三行代码把转换能力写进自己的程序from markitdown import MarkItDown md MarkItDown() result md.convert(test.xlsx) print(result.text_content)用 LLM 描述图片内容转换图片和 PPT 里的图片时传入一个 LLM 客户端它会自动为图片生成描述文字from markitdown import MarkItDown from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o) print(md.convert(example.jpg).text_content) 进阶能力Docker、MCP 服务与 OCR 插件Docker 部署项目根目录自带 Dockerfile两条命令完成容器化docker build -t markitdown:latest . docker run --rm -i markitdown:latest ~/your-file.pdf output.mdMCP 服务化如果你用 Claude Desktop 等 MCP 客户端可以装markitdown-mcp包它暴露一个convert_to_markdown(uri)工具支持 STDIO / HTTP / SSE 三种传输方式让 AI 助手直接帮你转文档。源码见 packages/markitdown-mcp/。OCR 插件扫描件、图片里的文字怎么办社区插件markitdown-ocr用 LLM Vision 从 PDF、DOCX、PPTX、XLSX 内嵌图片中提取文字扫描件会整页 300 DPI 渲染后识别。安装后加--use-plugins即可启用pip install markitdown-ocr openai markitdown scanned.pdf --use-plugins --llm-client openai --llm-model gpt-4o插件机制用markitdown --list-plugins查看已装插件搜索标签#markitdown-plugin可以找到更多社区插件。想自己写一个packages/markitdown-sample-plugin/ 提供了完整的 RTF 转换示例照着改就行。云提取服务本地转换质量不够时可以接 Azure Document Intelligence-d参数或 Azure Content Understanding--use-cu参数后者还支持音视频和结构化字段抽取适合发票、收据这类领域文档。所有格式的具体实现都集中在 packages/markitdown/converters/想看某个格式怎么转的直接翻这个目录。⚙️ 配置参考可选依赖组pip install时按需挑选依赖组激活的格式/能力[all]全部格式一步到位[pdf]PDF 文件[docx]Word 文档[pptx]PowerPoint 演示文稿[xlsx]/[xls]新版 / 旧版 Excel[outlook]Outlook 邮件[audio-transcription]WAV / MP3 语音转写[youtube-transcription]YouTube 视频字幕抓取[az-doc-intel]Azure Document Intelligence 云提取[az-content-understanding]Azure Content Understanding 多模态提取常用命令行参数参数说明-o,--output指定输出文件不填则打印到终端-x,--extensionstdin 输入时提供扩展名提示-m,--mime-typestdin 输入时提供 MIME 类型提示-c,--charset字符编码提示如 UTF-8-p,--use-plugins启用第三方插件--list-plugins列出已安装插件-d,--use-docintel改用 Document Intelligence 提取需配-e端点--use-cu改用 Content Understanding 提取需配--cu-endpoint❓ 常见问题Q为什么转成 Markdown 而不是纯文本AMarkdown 只比纯文本多一点点标记却能完整表达标题、列表、表格结构而主流大模型正是泡在海量 Markdown 里训练的理解得最好而且 token 效率更高。Q扫描版 PDF整页是图片能转吗A内置转换提取的是文档内嵌文字层纯扫描件建议装markitdown-ocr插件走 LLM 视觉识别或用 Azure 云提取服务。QPython 版本有什么要求A3.10 及以上Python 3.10~3.13 均在支持范围内。Q在服务器上做 Web 服务要注意什么AMarkItDown 以当前进程权限读写资源不要直接把不可信输入喂给convert()。只读本地文件就用更窄的convert_local()需要更强控制可以用convert_stream()。Q输出偶尔有人读起来不够美观正常吗A正常。它的目标是喂给文本分析工具保结构优先于保排版不建议当作高保真排版转换工具用。开始使用MarkItDown 把文档进、Markdown 出压缩成了一条命令的距离装完pip install markitdown[all]把文件路径丢给markitdown你的大模型流水线就有了干净的结构化文本。现在就挑一份手头的 PDF 试试剩下的交给它。【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