Py之MarkItDown：MarkItDown(PDF/PPT/Word/Excel/Html/Csv/Json等转换为 Markdown 格式)的简介、安装和使用方法、案例应用

一个处女座的程序猿

已于 2024-12-23 00:04:58 修改

阅读量2.7k

点赞数 6

分类专栏： Python_Libraries 文章标签： MarkItDown

于 2024-12-20 01:20:15 首次发布

本文链接：https://blog.csdn.net/qq_41185868/article/details/144598295

版权

Python_Libraries 专栏收录该内容

263 篇文章

订阅专栏

Py之MarkItDown：MarkItDown(PDF/PPT/Word/Excel/Html/Csv/Json等转换为 Markdown 格式)的简介、安装和使用方法、案例应用

要安装 MarkItDown，可以使用以下命令通过 pip 安装：

MarkItDown的简介

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。MarkItDown 提供了一种高效的方式来处理和管理多种类型的文档和数据。该工具的主要应用场景包括文档索引、文本分析等。

GitHub地址：https://github.com/microsoft/markitdown

1、支持多种文件类型的转换

PDF

PowerPoint

Word

Excel

图像（支持 EXIF 元数据和 OCR）

音频（支持 EXIF 元数据和语音转录）

HTML

基于文本的格式（如 CSV、JSON、XML）

ZIP 文件（可以遍历其内容）

MarkItDown的安装和使用方法

1、安装

要安装 MarkItDown，可以使用以下命令通过 pip 安装：

pip install markitdown

如果需要从源代码安装，可以使用：

pip install -e .

2、使用方法

命令行使用

在命令行中使用 MarkItDown 来转换文件非常简单：

markitdown path-to-file.pdf

这将生成一个名为 document.md 的 Markdown 文件。

你也可以使用管道将文件内容传递给 MarkItDown：

cat path-to-file.pdf | markitdown

Python API 使用

在 Python 中使用 MarkItDown 的基本示例如下：

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("test.xlsx")
print(result.text_content)

如果需要使用大型语言模型（如 OpenAI 的 GPT-4o）来生成图像描述，可以这样做：

from markitdown import MarkItDown
from openai import OpenAI

client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)

Docker 使用

你也可以通过 Docker 来运行 MarkItDown。构建 Docker 镜像的命令如下：

docker build -t markitdown:latest .

运行 Docker 容器并转换文件：

docker run --rm -i markitdown:latest < ~/your-file.pdf > output.md

MarkItDown的案例应用

MarkItDown 可以用于多种场景，例如：
文档转档：将办公室文件（如 Word、Excel）快速转换为 Markdown 格式，以便于文档管理和版本控制。
数据分析：将 CSV 或 JSON 文件转换为 Markdown，以便于生成报告和数据摘要。
图像处理：提取图像的元数据或使用 OCR 技术将图像中的文本转换为可编辑的 Markdown 格式。
音频转录：将音频文件中的语音内容转录为文本，并转换为 Markdown 格式，方便后续分析或编辑。