微软开源工具:把PDF、Word、Excel、PPT、图片、音频全扔进去,一键变干净Markdown!

兄弟们，早啊！

你们有没有过这种崩溃时刻：

手头一堆PDF报告、Word合同、Excel表格、PPT演示稿，还有老板随手拍的截图、会议录音……想喂给大模型做总结、RAG知识库、或者直接做数据分析，结果呢？

复制粘贴、格式乱飞、表格直接崩、图片压根看不懂，折腾半天还是一堆垃圾数据。

我以前也这样，恨不得把电脑砸了。

最近搞自己的知识库，十分需要一个转Markdown的工具，这不就找到了微软的开源工具—MarkItDown

这玩意儿就是个轻量级Python工具，专干一件事

把各种文件和Office文档，统统转成结构清晰、LLM喜欢的Markdown

不是那种生硬的纯文本，它会尽量保留标题、列表、表格、链接这些结构，读起来还挺像人写的。

和老牌 textract 比，它不只是抽纯文本，而是死死保住文档结构：标题、列表、表格、链接一个不落，输出的 Markdown 大模型秒读懂，还超级省 token！

虽说转完人也能看，但它的本命战场是AI 文档预处理，不是给人做精美排版的～

先说它到底能干啥？支持格式超全！

MarkItDown目前支持的格式（基本覆盖日常99%场景）：

一句话总结：只要是文档、表格、演示、图片、录音，扔进去基本都能出干净Markdown

再也不用担心“这个格式大模型看不懂”了。

安装和使用，简单到离谱（5分钟上手）

1. 安装（推荐全功能版）

一键装全依赖，所有格式都能转：

pip install 'markitdown[all]'

（[all]会把PDF、Office、图片OCR、音频转录等依赖全装上，第一次装可能慢点，后面就飞快了）

pip install ‘markitdown[pdf,docx,pptx]’

pip install 'markitdown[pdf,docx,pptx]'

2. 命令行一键转（最推荐小白玩法）

markitdown 文档.pdf -o 输出.md

就这么简单！打开终端，敲一行命令，Markdown文件就出来了。

3. Python代码调用（程序员最爱）

from markitdown import MarkItDownmd = MarkItDown()result = md.convert("测试.xlsx")print(result.text_content)

如果喜欢，点赞、转发、评论三连走起，谢谢大家～