markitdownPython eszköz a fájlok és irodai dokumentumok Markdown konverziójához.

A MarkItDown egy könnyűszerű Pythones segítségnyújtás a különböző fájlokból a Markdown-ba való konvertáláshoz a LLM-k és a hozzájuk kapcsolódó szövegszámítási áramlások használata számára. Az leginkább az egyéni textract hasonlítható, de a fontos dokumentum-struktúra és -tartalom megőrzésére koncentrálva Markdown-ként, beleértve a fejléceket, listákat, táblázatokat, link-eket stb. A kimenet általában elég jól rendelkezésre álló és ember-barát, de arra van tervezve, hogy text-analízis szoftverek fogyasztsák el, és nem ajánlott a magas-egyensúlyú dokumentum-konverterek magánháztartású fogyasztási céljából. A MarkItDown jelenleg támogatja a PDF, PowerPoint, Word, Excel, Képek (EXIF metaadatok és OCR), Audio (EXIF metaadatok és beszédtranszkripció), HTML, szövegbázisú formátumok (CSV, JSON, XML), ZIP fájlok, Youtube URL-ek, EPub és több, a dokumentumformátumok átalakítását. Az ajánlott módszer a Virtual Environment használata a függőség-konfliktusok elkerülése érdekében. A Python 3.10 vagy magasabb verziójával a pip segítségével lehet telepíteni a MarkItDown-ot a következő paranccsal: pip install 'markitdown[all]' vagy forráskódot klónozni a github.com/microsoft/markitdown címre, majd a következő paranccsal: pip install -e 'packages/markitdown[all]'. A MarkItDown használatát parancssori meghívással végezhetjük el, egyrészt az eredmény fájának megadásával, másrészt a tartalom folyamatos elküldésével vagy a legkeskenyebb convert_* függvény használatával specifikus feladatoknál.