markitdownPython-Tool zum Konvertieren von Dateien und Büro-Dokumenten in Markdown.

MarkItDown ist ein leichtgewichtiges Python-Tool zum Konvertieren verschiedener Dateien in Markdown für die Verwendung mit LLMs und zugehörigen Textanalyse-Pipelines. Es ist am ehesten mit textract vergleichbar, aber mit einem Fokus auf die Erhaltung wichtiger Dokumentstrukturen und -inhalte als Markdown, einschließlich Überschriften, Listen, Tabellen, Links usw. Die Ausgabe ist oft vernünftig präsentabel und menschenfreundlich, aber sie soll von Textanalysetools verbraucht werden und ist möglicherweise nicht die beste Option für hochgenaue Dokumentkonvertierungen für den menschlichen Gebrauch. MarkItDown unterstützt derzeit die Konvertierung von PDF, PowerPoint, Word, Excel, Bildern (EXIF-Metadaten und OCR), Audio (EXIF-Metadaten und Sprachttranskription), HTML, textbasierten Formaten (CSV, JSON, XML), ZIP-Dateien, YouTube-URLs, EPubs und vielem mehr. Es wird empfohlen, eine virtuelle Umgebung zu verwenden, um Konflikte bei Abhängigkeiten zu vermeiden. Mit Python 3.10 oder höher können Sie MarkItDown mit pip installieren: pip install 'markitdown[all]' oder aus dem Quellcode mit: git clone git@github.com:microsoft/markitdown.git, dann pip install -e 'packages/markitdown[all]'. Die Verwendung von MarkItDown erfolgt über die Kommandozeile, entweder durch Angabe der Ausgabedatei, durch Weiterleiten von Inhalten oder durch die Verwendung der speziellsten convert_* Funktion für bestimmte Anwendungsfälle.