微软出的这个开源工具,把PDF、Word一键转成干净Markdown,AI喂料太省心了

每日资源推荐

优质资源不缺席

微软官方开源的万能文件转换工具，支持将PDF、Word、PPT、Excel、图片、音频、视频批量转成结构化的Markdown文本。自动剔除广告和多余样式，保留表格、列表和图片链接，离线本地运行，文件不上传第三方。适合搭建本地知识库、AI素材整理和文档归档的开发者与学生。

Zi Yuan

资源项目

资源卡片

资源全称

markitdown -微软官方开源万能文件转 Markdown 工具，PDF、Word、PPT、Excel、图片、音频、视频

资源简介

整理资料的时候，经常会碰到一种让人头疼的情况。

手头有几十份PDF论文、十几份Word文档、几个PPT课件，还有一堆截图笔记。想把它们统一转成干净的文本格式，喂给AI做总结，或者导入本地知识库做检索。结果发现，要么转换之后格式全乱，表格变成一摊散开的字符；要么工具限制页数，需要付费解锁；要么干脆不支持某种格式，得一个一个找替代方案。

最近微软开源了一款小工具，名字叫MarkItDown，正好踩在这个痛点上。它做的事情很纯粹：把你能想到的几乎所有常见文件格式，统一转成干净的Markdown文本。

Markdown是什么？就是一种用简单符号标记标题、列表、加粗、链接的纯文本格式。它没有花里胡哨的字体和颜色，但结构清晰，人和机器都能轻松读懂。AI模型处理Markdown时，能准确识别层级关系和表格结构，不会被多余样式干扰。本地知识库索引Markdown文件时，检索精度也更高。

MarkItDown支持的格式覆盖得很全。

日常办公三件套docx、pptx、xlsx自然不在话下。转换Word文档时，标题层级、正文段落、表格、图片链接都会被保留下来，但页眉页脚里的广告文字、水印、多余的空行会被自动剔除。转换PPT时，每一页幻灯片的内容会被提取出来，按顺序排列成带标题的段落。转换Excel表格时，单元格会变成标准的Markdown表格格式，表头和数据的对应关系清清楚楚。

PDF是很多人最关心的格式。MarkItDown内置了OCR识别能力，支持中文、英文、日文、韩文等多种语言。这意味着即使是扫描版的老旧PDF、手机拍的文档截图，也能把里面的文字完整提取出来。对于经常需要处理扫描版书籍、论文、合同的人来说，这个功能能省下大量手动敲字的时间。

图片、音频、视频文件也能转成文字。图片转文字用的是OCR，和PDF扫描件原理一样。音频文件会自动调用语音识别转成文字，视频文件会先提取字幕，没有字幕的话也会尝试语音转文字。会议录音、上课录屏、采访素材，扔进去就能拿到可编辑的文本。

还有一个很实用的功能是网页转Markdown。给一个URL地址，它会自动抓取页面正文，把广告、侧边栏、评论区这些干扰内容过滤掉，只留下干净的正文。对于做资料收集、保存技术文章、归档网页内容的人来说，这个功能比直接截图或者另存为PDF好用得多。

使用方式也符合技术爱好者的胃口。

同时提供了Python API和命令行两种模式。命令行下，一条指令就能把整个文件夹里的所有文件批量转换成Markdown，支持递归扫描子目录。你有一个装满各种格式资料的文件夹，一行命令跑完，所有文件都变成了整齐的Markdown文本，目录结构和原文件夹保持一致。API模式下，可以把这个工具集成到自动化工作流里，比如定时将某个文件夹里的新文件自动转换、归档。

最让人放心的一点是，整个转换过程完全在本地完成。

不需要上传文件到任何云端服务，不需要联网，不需要注册账号。文件内容只留在你自己的电脑上，转换完的数据也只存在你自己的硬盘里。对于处理公司内部文档、个人隐私资料、未发表的论文草稿来说，这个特性比任何云端方案都更让人安心。

依赖项也控制得很克制。不需要预装Office套件，不需要Adobe Acrobat，只需要Python环境和少量基础库就能跑起来。安装过程几分钟搞定，老电脑也能流畅运行。

如果你正在搭建自己的本地知识库，或者需要批量整理AI训练素材，又或者只是想把散落各处的文档统一归档，MarkItDown是一个值得放进工具箱的选项。它没有花哨的界面，没有付费订阅，只是安静地把一个格式转成另一个格式，但每次用到的时候，你会觉得手边有这个工具真好。

#markitdown #微软开源工具 #文件转Markdown #本地知识库素材工具 #OCR文字识别 #批量文档转换 #离线文档解析 #AI素材预处理工具

底部有获取教程请仔细查看

资源码：4165

如需获取请复制上方数字至下方小程序！