第02期|MarkItDown:把 PDF、Word、PPT 整理成 Markdown

一份 Word 报告、一套 PPT，再加几份 PDF。资料收齐了，整理时却还得在不同软件之间来回复制，标题、列表和表格也要重新收拾。

微软开源的MarkItDown，可以把这些文件转换成 Markdown，方便后续编辑、检索和复用。

Markdown 可以理解为带有简单格式标记的文本：标题、列表、链接和表格都有对应的写法，用普通文本编辑器也能打开。

它能处理什么

MarkItDown 支持 PDF、Word、PowerPoint、Excel、HTML 等格式，会尝试把文件中的内容和结构提取出来。

比如整理一套培训资料，可以先把课件、报告转成 Markdown，再合并进笔记，补充自己的理解。准备知识库资料时，也可以把它作为文件处理的一步。

它的用途比较明确：把来源不同的文档，整理成便于继续处理的文本。

怎么用

MarkItDown 主要通过命令行使用，需要先准备 Python 环境，目前支持 Python 3.10 至 3.14。

如果主要处理 PDF、Word 和 PPT，可以安装对应组件：

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

然后指定输入文件和输出位置：

markitdown ”报告.pdf” -o ”报告.md”

转换 Word、PPT 时，换成对应的文件名即可。生成的 .md 文件可以继续编辑，也可以放进支持 Markdown 的笔记工具。

普通文档的内容提取可以在本机完成，无需调用大模型。

转完之后，记得检查

MarkItDown 侧重提取内容，原文件的版式未必能完整保留。遇到复杂表格、多栏排版，或者整页都是图片的扫描件，需要检查转换结果。

扫描件识别、图片描述等能力可能需要额外插件或服务；接入云服务时，还要留意相应费用。

第一次使用，建议拿一份自己熟悉、带标题和表格的文档试试：看看文字有没有漏、表格顺序对不对，再决定是否用于后续资料整理。

对于经常需要从报告、课件和网页中提取内容的人，这个工具值得收藏。

项目地址：https://github.com/microsoft/markitdown