markitdownNarzędzie Python do konwertowania plików i dokumentów biurowych do formatu Markdown.

MarkItDown jest lekkim narzędziem Python do konwertowania różnych plików na format Markdown dla potrzeb korzystania z modeli LLM oraz powiązanych analiz tekstowych. Jest ono najbardziej porównywalne do textract, ale z mniejszym naciskiem na ochronę ważnej struktury i zawartości dokumentów w formacie Markdown, obejmując pozycje nagłówkowe, listy, tabele, odniesienia, itp. Wyjście jest często przyzwoicie przedstawialne i użyteczne dla ludzi, ale przeznaczone jest w szczególności do przetwarzania przez narzędzia analizujące tekst, a może nie jest najlepszym rozwiązaniem dla wysokiego stopnia wierności przekształceń dokumentów do użytku przez człowieka. Obecnie markitdown wspiera przekonwertowanie plików: PDF, Excela, Worda, prezentacji PowerPointa, wizualizacji obrazów (dane EXIF i odczyt z tekstów), plików audio (dane EXIF i transkrypcja mowy), stron HTML, tekstowych formaci danych (CSV, JSON, XML), ZIP, URL adresów na youtube, EPubów oraz wielu innych formatów. Zaleca się korzystanie z środowiska wirtualnego aby uniknąć konfliktów zależności. Z Pythonem 3.10 lub wyższym możesz zainstalować MarkItDown za pomocą pip: pip install 'markitdown[wszystko]' lub bezpośrednio ze źródła za pomocą: git clone git@github.com:microsoft/markitdown.git a następnie pip install -e 'packages/markitdown[wszystko]'. Zastosowanie MarkItDown obejmuje wywołanie z konsoli poleceń, np. określając plik wyjściowy, przekazanie treści za pomocą operatora pipingu lub użycie najszerszej funkcji convert_* dla przypadków używania węższych.