markitdownPython työkalu, joka muuntaa tiedostoja ja toimistodokumentteja Markdown-ohjelmointikielen muotoon.

MarkItDown on kevytPython-työkalu asiakirjojen muuntamista Markdown-kieleeksi LLM -lentäjien ja liittyvien tekstianalyysiputkiin. Sen on suhteellisesti verrattavissa textractiin, mutta sen fokus on säilyttää tärkeitä asiakirjan rakenne ja sisältö Markdown-kielelle, kuten otsikot, luetteloet, pöytätiedot, linkkejä ynnä muita. Itekset muutetaan usein kohtuullisessa tarkkuudessa ja ihmismielen ystävällisesti, mutta se on tarkoitettu tekstianalyysiohjelmille, ja sen ei ole tarkoitusta korkeatasoisen tarkkuuden asiakirjojen muuntamiselle ihmismielelle. MarkItDown tukee tällä hetkellä konversioita seuraavilta tiedosto- ja tiedotyyppiltä: PDF, PowerPoint, Word, Excel, Kuvat (EXIF-metadata ja OCR), Äänitiedostot (EXIF-metadata ja puheen tulkkaus), HTML, Teksti-tyypilliset muodot (CSV, JSON, XML), ZIP-tiedostot, Youtube-URLit, EPubs, ja muita. Suositellaa käyttää virtuaalijärjestelmää välttääkseen riippuvuuksien konfliktit. Python 3.10 tai korkeampaa versiota käyttäen voit asentaa MarkItDown käyttäen pip:ja pip install 'markitdown[kaikki]' tai lähtiessä lähteestä : git clone git@github.com:microsoft/markitdown.git, sitten pip install -e 'packages/markitdown[kaikki]'. MarkItDownn käytön käyttäminen sisältää komentorivivalinnan, jossa voidaan säätää tulostiedoston osoite, tai ohjelmallisesti ohjelmaan syötettävää sisältöä. Toimintoa voidaan täydentää valmistamalla tarpeen mukaan yksilöllisiä sovelluksia käyttäen niitä tarkoitusta varten tarkoitettuja funktioita convert_*.