MarkItDown:微软开源的万能文档转 Markdown 工具

微软开源的 MarkItDown 在 GitHub 上已获 35k+ Star，专门解决一个实际问题——把 PDF、Word、Excel、PPT、图片、音频、HTML 等各种格式统一转成 Markdown。

1、 这工具是干嘛的

就是干一件事：把各种格式文件转成 LLM 能直接吃的 Markdown。

PDF、Word、Excel、PowerPoint、HTML、图片、音频、YouTube 链接、JSON、XML、ZIP……基本上工作里碰到的格式它都认识。

2、 为什么要用它

做过 RAG 管线或给 LLM 喂文档的人都懂那种痛——卡住你的不是模型，是数据预处理这一关。

PDF 表格解析出来歪七扭八，Word 样式直接消失，PPT 布局信息一个不剩，Excel 变成一堆逗号分隔的数字。每种格式单独写解析器，写完还要维护，换个格式又得重头来。

MarkItDown 把这一层全磨平了。不管扔进去什么，出来都是结构清晰的 Markdown：标题、列表、表格、链接、代码块一个不少。

3、 支持哪些格式

4、 安装使用教程

安装：

pip install 'markitdown[all]'

也可以只装需要的格式：pip install 'markitdown[pdf,docx,pptx]'

命令行直接跑：

markitdown report.pdf > report.mdmarkitdown slides.pptx -o slides.mdcat document.pdf | markitdown

想让图片自动生成描述文字，加个 LLM 就行：

from markitdown import MarkItDownfrom openai import OpenAIclient = OpenAI()md = MarkItDown(llm_client=client, llm_model="gpt-4o")result = md.convert("photo.jpg")

5、 适合哪些人用

• • 在做 RAG 系统、需要把企业文档批量灌进向量数据库的开发者
• • 用 Claude Code 或其他 AI 编程工具、需要快速读取各种格式文件的人
• • 在搭 AI Agent、需要让 Agent 自己处理文档的场景