markitdownPython rinkaite, skirtas kintamiesiems failams ir biuro dokumentams konvertuoti į Markdown.

Markitdown yra lengvas Python programavimo patarėjas, kuris konvertuoja įvardylius iki Markdown, skirtus LLM naudojimui ir susijusiems teksto analizės srautai. Tai labiausiai palyginti su textract, bet dėl saugumo dokumentų struktūros ir turinio kaip Markdown, įskaitant antraštis, sąrašai, lentelės, nuorodos, ir kt. Išleidimo produktas dažnai gerai matomas ir žmogui palankus, bet jis suprojektuotas tekstų analizės programoms, todėl gali nebūti geriausias parinktis aukšto failų konverzijai į žmogiško vartojojimo tikslams. MarkItDown dabar parametrais palaiko konversiją iš PDF, PowerPoint, Word, Excel, Vaizdų (EXIF metadatu ir OCR) ir Audio (EXIF metadatu ir žodžių apieju) failų, HTML, tekstų formatų (CSV, JSON, XML), ZIP failus, Youtube URL'ius, EPub'ius ir daugiau. Rekomenduojama naudoti virtualią aplinką, kad būtų išvengta problemų su priklausomybe. Su Python 3.10 ar aukštesniu versija galite įrengti MarkItDown naudojantis pip: pip install 'markitdown[all]' arba iš šaltinio pagal: git clone git@github.com:microsoft/markitdown.git, tada pip install -e 'packages/markitdown[all]'. MarkItDown taikymas žengia iškvietimo komandinėje linijoje, atveju kuomet nustatoma išeities failas, siurbama turinys arba taikant siausią convert_* funkciją, skirtą specifiniams atvejams.