markitdown

MarkItDown 是一个用于将各种文件和办公文档转换为 Markdown 格式的 Python 工具。它支持 PDF、PowerPoint、Word、Excel、图片（包括 EXIF 元数据和 OCR）、音频（包括 EXIF 元数据和语音转录）、HTML、文本格式（如 CSV、JSON、XML）以及 ZIP 文件等多种格式的转换，并能保留文档中的重要结构和内容，例如标题、列表、表格和链接等。该工具特别适用于需要将文档转换为 Markdown 格式以便于与语言模型和其他文本分析工具集成的场景，比如自然语言处理或自动化文本生成项目中。需要注意的是，尽管输出通常对人类友好，但其主要目标是服务于文本分析工具，可能不适用于高保真度的人类阅读需求。