MarkItDown

MarkItDown 是一个轻量级的 Python 工具，用于将各种文件转换为 Markdown 格式，以便在 LLM 和相关文本分析流程中使用。它与 Textract 最为相似，但更侧重于保留文档的重要结构和内容（包括标题、列表、表格、链接等）。虽然转换后的文件通常美观易读，但它主要面向文本分析工具，对于需要高保真度文档转换以供人阅读的用户来说，可能并非最佳选择。 MarkItDown 目前支持以下格式的转换： PDF PowerPoint Word Excel 图像（EXIF 元数据和 OCR） 音频（EXIF 元数据和语音转录） HTML 文本格式（CSV、JSON、XML） ZIP 文件（遍历内容） EPub ……以及更多！