Markitdown 文档转Markdown教程：一条命令快速转换20余种文件格式

Markitdown 文档转Markdown教程：一条命令快速转换20余种文件格式

【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

给大模型喂资料时，最耗时的往往不是写提示词，而是先把 PDF 合同、Word 纪要、Excel 表格里的内容变成机器能读的文本。Markitdown 是一款 Python 文档转换工具，做的就是这件事：把各类文档直接转成 Markdown，保留标题、列表、表格和链接等结构，输出可以直接进入索引、检索或 LLM 分析流程。

📂 Markitdown 支持哪些文档格式

它的设计取向是让输出对机器友好：不追求逐字节的版式还原，而是把文档的关键结构以 Markdown 标记保下来，因此既适合 RAG、文本分析，也适合快速阅读整理。常见格式按来源可以这样分组：

• 办公套件：Word（.docx）、PowerPoint（.pptx）、Excel（.xlsx/.xls）
• 文档与邮件：PDF、EPub、Outlook 邮件（.msg）
• 图片与音频：常见图片（读 EXIF 元数据，可叠加 OCR）、wav/mp3（语音转写）
• 网页与数据：HTML、RSS、维基百科、YouTube 链接、CSV/JSON/XML
• 打包文件：ZIP（自动遍历包内文件逐一转换）

📦 markitdown 怎么安装

要求 Python 3.10 及以上，建议先建好虚拟环境，再用 pip 安装：

pip install 'markitdown[all]'

[all]会装齐所有格式的可选依赖；只想从源码运行或做插件开发时，clone 仓库后在packages/markitdown目录执行pip install -e '.[all]'即可。

🔧 markitdown 使用教程：三种调用方式

安装完成后，命令行是最直接的路径：

markitdown 文件.pdf -o 输出.md

也支持管道，方便嵌进脚本：cat 文件.pdf | markitdown。

Python API：适合写进脚本

from markitdown import MarkItDown md = MarkItDown() print(md.convert("报表.xlsx").text_content)

API 还提供convert_local()、convert_stream()等更窄的入口，处理不可信输入时可按需选用。

Docker：环境隔离部署

docker build -t markitdown:latest . docker run --rm -i markitdown:latest < 文件.pdf > 输出.md

🧠 进阶用法：图片描述、Azure 转换与按需安装

让 LLM 给图片生成描述

转换 pptx 或图片文件时，传入一个 OpenAI 兼容客户端即可让模型自动产出图片说明（当前支持 pptx 和图片文件）：

md = MarkItDown(llm_client=OpenAI(), llm_model="gpt-4o") result = md.convert("幻灯片配图.jpg")

Azure 云端转换

扫描件、复杂表格这类本地转换容易丢内容的文档，可以交给 Azure 处理。文档智能在 CLI 上加两个参数即可：

markitdown 文件.pdf -o 输出.md -d -e "<文档智能端点>"

Content Understanding 能力更强，能处理音视频，并可用自定义分析器把发票金额、合同条款等字段抽成 YAML 前置元数据，Python 侧只需构造MarkItDown(cu_endpoint="...")。注意云端路线是计费的 API 调用，批量任务前最好先用小样本验证。

按需装依赖与启用插件

不需要的格式不必装，指定 extras 即可精简体积，例如只支持三种办公文档：pip install 'markitdown[pdf, docx, pptx]'。插件默认关闭，markitdown --list-plugins可列出已装插件，markitdown --use-plugins 文件.pdf启用；官方维护的markitdown-ocr插件（见packages/markitdown-ocr/）还能用视觉模型为 PDF、DOCX 等文件中嵌入的图片做 OCR，插件开发可参考packages/markitdown-sample-plugin/。

⚖️ 什么场景用哪种方式

• 单个文件、临时转换：命令行一条命令，最省事
• 写进数据管道、需要控制输出：Python API
• 服务端运行、不想污染本机依赖：Docker
• 扫描件、复杂表格、要抽结构化字段：Azure 文档智能 / Content Understanding

Markitdown 把"读文件"压缩成一步文档转Markdown转换，一条 pip 命令就能起步。完整参数说明、安全注意事项和插件开发指南，以仓库根目录及各packages/子包内的 README 文档为准。

【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