MarkItDown:文件转Markdown的Python工具
将PDF、Office、音视频等多种文件转为Markdown,供LLM与文本分析使用。
MarkItDown 是轻量 Python 工具,把各类文件转换为 Markdown,供 LLM 与文本分析流水线使用,重点保留标题、列表、表格、链接等文档结构,而非面向人工阅读的高保真排版。支持 PDF、PowerPoint、Word、Excel、图片(EXIF 与描述)、音频(EXIF 与转写)、HTML、CSV/JSON/XML、ZIP、YouTube 链接、EPub 等;图片描述与语音转写依赖网络服务。要求 Python 3.10–3.14,可按格式安装可选依赖,也支持第三方插件(默认关闭),另有 OCR 插件与 Azure Content Understanding 集成。README 提醒它以当前进程权限做 I/O,不可信环境需清洗输入并调用最窄的 convert_* 函数。