markitdownOutil Python pour convertir des fichiers et documents bureautiques en Markdown.

MarkItDown est une utilitaire Python léger pour convertir divers fichiers en Markdown afin d'être utilisés avec des LLMs et des pipelines d'analyse de texte. Il est comparable à textract, mais se concentre sur la préservation de la structure et du contenu important des documents sous forme de Markdown, y compris les titres, les listes, les tableaux, les liens, etc. La sortie est souvent raisonnablement présentable et conviviale, mais elle est destinée à être consommée par des outils d'analyse de texte, et peut ne pas être la meilleure option pour des conversions de documents haute-fidélité destinées à un usage humain. MarkItDown supporte actuellement la conversion de PDF, PowerPoint, Word, Excel, Images (métadonnées EXIF et OCR), Audio (métadonnées EXIF et transcription vocale), HTML, formats basés sur texte (CSV, JSON, XML), fichiers ZIP, URLs Youtube, EPub, et plus. Il est recommandé d'utiliser un environnement virtuel pour éviter les conflits de dépendances. Avec Python 3.10 ou supérieur, vous pouvez installer MarkItDown via pip: pip install 'markitdown[all]' ou depuis la source avec : git clone git@github.com:microsoft/markitdown.git, puis pip install -e 'packages/markitdown[all]'. L'utilisation de MarkItDown implique l'invocation en ligne de commande, soit en spécifiant le fichier de sortie, en transmettant le contenu via pipe, ou en utilisant la fonction convert_* la plus restreinte pour des cas d'utilisation spécifiques.