微软开源神器 MarkItDown：一键将办公文档转换为 Markdown 的 Python 工具
微软开源神器 MarkItDown：一键将办公文档转换为 Markdown 的 Python 工具
井九
发布于 2024-12-21 12:08:18
发布于 2024-12-21 12:08:18
代码可运行
运行总次数：0
代码可运行
项目简介
MarkItDown 是一个用于将各种文件转换为 Markdown 的工具，例如用于索引、文本分析等。该工具目前支持以下格式：
- PDF (.pdf)
- PowerPoint (.pptx)
- Word (.docx)
- Excel (.xlsx)
- 图片（EXIF 元数据和 OCR）
- 音频（EXIF 元数据和语音转录）
- HTML（特殊处理 Wikipedia 等）
- 各种基于文本的格式（csv, json, xml 等）
安装
您可以使用 pip 安装 MarkItDown：
pip install markitdown或者从源代码安装：
pip install -e .使用
API 非常简单：
from markitdown import MarkItDown
markitdown = MarkItDown()
result = markitdown.convert("test.xlsx")
print(result.text_content)您还可以配置 MarkItDown 使用大型语言模型 (LLM) 来描述图片。为此，您需要向 MarkItDown 对象提供 mlm_client 和 mlm_model 参数：
from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(mlm_client=client, mlm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2024-12-16，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
