夜雨聆风学习资料网

ARTICLE · 1381401

PDF转Markdown实测:微软开源工具,附完整命令

PDF转Markdown实测:微软开源工具,附完整命令

PDF转Markdown实测:微软开源工具,附完整命令

给AI喂文件,难的从来不是模型,是把文件变成它认识的样子。

这句话是我亲手跑一遍之后留下的。我把一份3行4列的Excel和一份PDF,丢进微软开源的一个小工具里。几秒钟后,表格还是规规矩矩的表格,标题还是标题,符号没乱,AI拿过去就能直接读。

这个工具叫MarkItDown。它近期频繁登上GitHub趋势榜,在findarepo的开发者工具榜里排到第11位。它做的事说起来简单:把各种文件转成Markdown,专门给大模型和文本分析程序用。

我把它装到本机跑了一圈,把能照做的命令和踩过的坑都记下来。

我把它装上来跑了一遍:一条命令,表格和标题都还在

先说安装。我用的是Python 3.13,一条命令搞定:pip install 'markitdown[pdf,docx,pptx,xlsx]'。

方括号里的4个词,是按需加载的格式支持:PDF、Word、PPT、Excel。你只用其中一两种,就只装对应的那部分。官方也给了省事的全家桶写法,把方括号换成all,一次把支持的格式全装上。这一步我花了不到1分钟。

装完就能用。转换Excel,我敲的是:markitdown mdtest.xlsx -o mdtest.md。

打开结果文件,里面是这样:一个二级标题"季度数据",下面跟着一张标准的Markdown表格,城市、Q1营收、Q2营收、同比4列,北京、上海、深圳3行,连"+15%""-7%"这些符号都原样留着。我用Python接口又跑了一遍同一份表,输出一模一样。

PDF也一样。我现造了一份带文字层的PDF,转出来就是一行干净的正文,没有多余的空行和乱码。这一步让我确认,它对付常规文件确实够用。

它能吃下的格式不止这两种。官方清单里还有Word、PPT、HTML网页、CSV和JSON这类数据文件,连ZIP压缩包都会逐个成员转换,YouTube链接的字幕也能抓。对普通用户来说,更实用的是批量场景:与其一条条敲命令,不如在Python里建一个MarkItDown实例反复用,把整个文件夹的文件依次丢进去,同一套转换逻辑不用每次重启。

但我也踩了坑。第一个坑是我自己挖的:手写的PDF少了xref索引表,工具直接报错,说找不到Root对象。这是文件本身不合法,不是工具的问题。换成一份结构完整的PDF,立刻就通了。

第二个坑更值得说。我拿一张纯色图片试转换,结果输出是空的。查了文档才明白:图片加字幕、音频转文字这些能力,要靠外部的大模型或云服务,本机默认不配就不做。没有对应客户端时,它会安静地跳过,连提示都不给。

它不追求还原排版,只追求机器读得懂

这两个坑,其实指向同一件事:MarkItDown不是为人的眼睛做的。

官方对它的定位说得很直白,输出是给文本分析工具用的,未必适合给人看高保真的排版。它要保住的是标题、列表、表格、链接这些结构,因为这些正是大模型理解内容时真正用得上的东西。至于字体、配色、页边距,它一概不关心。

想明白这点,怎么用就清楚了。你要做的是把一堆格式杂乱的资料,整理成AI能读的语料,或者搭一个检索知识库,那它几乎是最顺手的免费选择。你要是想把文档原样转成能打印、能给人传阅的版本,那它是错的工具,硬排版还得找别的。

边界也得记牢。带文字层的常规PDF、表格完整的Excel,本地转换是秒级、免费的。但扫描件是另一回事,那种页面本质是一张图,没有文字层可提,转出来会很薄甚至全空。要处理扫描件,得外接带视觉能力的模型,或者走付费的云服务,这部分是要花钱的。

还有一条容易被忽略:这个工具是以你当前账号的权限读写文件的,别拿它去碰来路不明的附件,官方专门在文档里提醒了这一点。

难的不是模型那半截,是把文件变成它认识的样子这半截。这个工具解决的,正是后面这件事。

如果你想照着做,记住3步就够:按需装格式包,一条命令转出Markdown,转完先扫一眼结果是不是空的。

你手头最头疼的是哪一类文件,是扫描件、复杂表格,还是图片里的文字?

这篇把安装到踩坑都写全了。如果你照着跑通了,点个赞赏我一杯咖啡,我接着去试下一个工具。

信息来源

microsoft/markitdown 官方仓库README(github.com/microsoft/markitdown)

MarkItDown 官方包文档(packages/markitdown/README.md)

本机实测记录:Python 3.13.12、markitdown 0.1.9,2026年11月19日

Agentpedia,《MarkItDown Complete Guide 2026》,扫描件与OCR能力边界

Zendot,《MarkItDown: a Python utility that turns files into Markdown》,工具定位与格式清单

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料