一行命令,把 PDF、Word、Excel 统统变成 Markdown!

大家好，我是热爱开源的了不起。

你有没有遇到过这样的场景：手里有一堆 PDF 报告、Word 文档、Excel 表格、PPT 课件，想丢给 AI 总结、做知识库、写 RAG 应用，却发现格式太杂，内容不好提取，表格、标题、链接还经常乱掉？这时候，与其手动复制粘贴，不如试试 Microsoft 开源的 MarkItDown。它的目标很直接：把各种文件转换成更适合 AI 理解和处理的 Markdown，让文档进入自动化流程变得轻松很多。

项目简介

MarkItDown 是 Microsoft 开源的一个 Python 工具，同时也提供命令行用法。它不是单纯把文件“扒成纯文本”，而是尽量保留文档里的结构，比如标题、列表、表格、链接等，再输出成 Markdown。

这对开发者特别友好。因为 Markdown 足够接近纯文本，又能表达层级结构，拿来做文档索引、知识库构建、LLM 分析、批量内容清洗都很合适。你可以把它理解成一个“文档格式中转站”：前面接 PDF、Word、Excel、PPT、HTML、图片、音频、ZIP 等文件，后面输出统一的 Markdown，后续再交给 AI、搜索引擎或自己的程序处理。

它的另一个特点是轻量。你可以一次性安装全部格式支持，也可以只安装自己需要的部分，比如只处理 PDF、DOCX、PPTX，就不用把所有依赖都装上。

项目安装与使用

MarkItDown 需要 Python 3.10 或更高版本。无论你用 Windows、macOS 还是 Linux，都建议先创建虚拟环境，避免和本机其他 Python 项目依赖冲突。

macOS 或 Linux 可以这样做：

python -m venv .venv
source .venv/bin/activate
pip install "markitdown[all]"

Windows 用户可以这样做：

python -m venv .venv
.venv\Scripts\activate
pip install "markitdown[all]"

如果你使用 Anaconda，也可以创建一个独立环境：

conda create -n markitdown python=3.12
conda activate markitdown
pip install "markitdown[all]"

如果你不想安装全部依赖，也可以按需安装。例如只转换 PDF、Word 和 PowerPoint：

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

安装完成后，就可以直接在命令行里使用。比如把一个 PDF 转成 Markdown：

markitdown report.pdf -o report.md

把 PPT 转成 Markdown 也一样简单：

markitdown slides.pptx -o slides.md

如果你想把它集成进自己的 Python 程序，也很方便：

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("demo.xlsx")

print(result.text_content)

这段代码会读取 demo.xlsx，并把转换后的 Markdown 内容打印出来。你可以继续把 result.text_content存入数据库、写入文件，或者直接传给大模型做摘要、问答和知识库检索。

在实际工作里，你可以这样用：把公司资料、产品手册、会议纪要、课程课件统一转换成 Markdown，然后再交给 AI 做总结、分类和检索。原本需要手工整理半天的资料，现在可能几行命令就能完成第一步清洗。

总结

MarkItDown 最吸引人的地方，是它把“多格式文档处理”这件麻烦事变得非常直接。它支持的格式多，安装方式简单，既能在命令行里快速使用，也能嵌入 Python 项目中做自动化处理。对于正在做 AI 应用、知识库、RAG、文档分析的你来说，它就是一个非常实用的前置工具。

别再被各种文档格式卡住了，找几个文件试一试吧，也许你的 AI 工作流会从这里开始变得顺滑！

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