MarkItDown：把多种文件转成适合文本分析的 Markdown
一分钟看懂
MarkItDown 是微软发布的轻量 Python 工具，将 PDF、Office 文档、图片、音频、网页、压缩包和电子书等内容转换为 Markdown，重点保留标题、列表、表格与链接等结构，供 LLM 和文本分析流程使用。
你可以用它做什么
- 将 PDF、Word、Excel、PowerPoint 转为 Markdown。
- 从图片提取元数据和 OCR 文本。
- 转写音频或抓取视频字幕。
- 在 Python 代码、命令行或流式处理流程中转换文件。
- 只安装需要格式的可选依赖。
主要能力
- 支持多种文档、媒体和文本格式。
- 提供命令行、Python API 和第三方插件接口。
- 保留对 LLM 有用的文档结构。
- 支持按格式拆分的可选依赖。
适合哪些人
适合构建检索、知识库、文档分析和 LLM 数据管道的开发者。它的输出主要供机器处理，不适合要求版面高度还原的出版或归档转换。
怎么开始使用
使用 Python 3.10+ 建立虚拟环境，安装 markitdown[all] 或指定格式依赖，然后运行 markitdown input.pdf -o output.md。生产环境应调用范围最窄的转换接口。
使用前需要知道
工具以当前进程权限访问本地与网络资源，处理不可信输入时必须限制文件、URL 和权限，并关注压缩包、外部请求与解析器风险。OCR、转写和云服务依赖可能有额外资源或费用。格式转换不保证原始排版完全一致。