给 AI 喂文档太麻烦?微软开源神器,几行代码统一转成标准 Markdown

`pip install hatch`

`pipx install hatch`

`brew install hatch`

`conda install -c conda-forge hatch`

mamba：`mamba install hatch`

curl -Lo hatch-universal.pkg https://github.com/pypa/hatch/releases/latest/download/hatch-universal.pkgsudo installer -pkg ./hatch-universal.pkg -target /

`msiexec /passive /i https://github.com/pypa/hatch/releases/latest/download/hatch-x64.msi`

pip install 'markitdown[all]'

pip install markitdown

git clone git@github.com:microsoft/markitdown.git
cd markitdown
pip install -e 'packages/markitdown[all]'

# 方式1：输出到指定 Markdown 文件
markitdown test.xlsx > test.md
# 方式2：使用 -o 参数指定输出文件（更规范，推荐）
markitdown test.xlsx -o test.md

# 先安装插件及 LLM 客户端
pip install markitdown-ocr
pip install openai
python
# 使用 Python API 转换（支持 OCR 识别）
from markitdown import MarkItDown
from openai import OpenAI
md = MarkItDown(
enable_plugins=True,
llm_client=OpenAI(),
llm_model="gpt-4o",  # 需使用支持视觉能力的 LLM 模型
)
result = md.convert("包含图片的文档.pdf")
# 保存转换结果
with open("输出文档.md", "w", encoding="utf-8") as f:
f.write(result.text_content)

cat 目标文件.pdf | markitdown

markitdown 目标文件.pdf -o 输出文件.md -d -e "<document_intelligence_endpoint>"

# 批量转换 ./docs 目录下所有 PDF 文件，输出为 原文件名.pdf.mdfind ./docs -name '*.pdf'; | xargs -I{} markitdown {} -o {}.md# 批量转换 ./docs 目录下所有 Word 文件，输出到指定文件夹find ./docs -name '*.docx'; -exec markitdown {} -o ./output/{}.md ;

# 批量转换 Excel 报表（支持 xls/xlsx 格式） find ./reports -name '*.xlsx' -o -name '*.xls' | xargs -I{} markitdown {} -o {}.md# 转换音频文件（需先安装音频依赖：pip install 'markitdown[audio-transcription]'）markitdown 会议录音.mp3 -o 会议录音文字稿.md

# 转换 Word 手册并保留批注markitdown 企业手册.docx -o 企业手册.md# 转换 PPT 汇报材料，生成图片描述（需配置 LLM 客户端）markitdown 项目汇报.pptx -o 项目汇报.md --llm-model gpt-4o

# 转换普通 PDF 论文markitdown 学术论文.pdf -o 论文解析.md# 转换扫描版 PDF 论文（启用 OCR 识别，需先安装插件）markitdown 扫描版论文.pdf -o 扫描论文解析.md --use-plugins --llm-model gpt-4o

# 转换 EPub 教材markitdown 专业教材.epub -o 教材笔记.md# 转换 PDF 教材，保留公式格式markitdown 数学教材.pdf -o 数学教材笔记.md

# 转换 Word 文章，保留标题和列表格式markitdown 公众号文章.docx -o 公众号文章.md# 转换 HTML 网页内容，提取核心文本markitdown https://xxx.com/article.html -o 网页文章.md

# 转换播客音频，生成带时间戳的文字稿markitdown 播客节目.mp3 -o 播客文字稿.md --audio-timestamp true# 转换图片，生成详细描述（需配置 LLM 客户端）markitdown 图文素材.jpg -o 图片描述.md --llm-model gpt-4o

find ./company-docs -name '.pdf' -o -name '*.docx' -o -name '*.xlsx' | xargs -I{} markitdown {} -o ./rag-data/{}.md# 转换 ZIP 压缩包内所有文档markitdown 企业文档包.zip -o 文档包转换结果.md

# 转换图片生成描述markitdown 产品图片.jpg -o 图片描述.md --llm-model gpt-4o# 转换音频生成文字稿markitdown 产品介绍音频.mp3 -o 音频文字稿.md# 合并多模态内容（可结合 shell 命令）cat 图片描述.md 音频文字稿.md 产品手册.md > 多模态上下文.md

https://www.star-history.com/microsoft/markitdown