markitdownFerramenta Python para converter arquivos e documentos de escritório para Markdown.

MarkItDown é uma utilidade leve em Python para converter vários arquivos para Markdown para uso com LLMs e pipelines de análise de texto relacionados. É mais comparável ao textract, mas com foco em preservar a estrutura e o conteúdo importantes do documento como Markdown, incluindo títulos, listas, tabelas, links etc. A saída costuma ser razoavelmente apresentável e amigável ao humano, mas destina‑se a ser consumida por ferramentas de análise de texto, podendo não ser a melhor opção para conversões de documentos de alta fidelidade para consumo humano. MarkItDown atualmente suporta a conversão a partir de PDF, PowerPoint, Word, Excel, Imagens (metadados EXIF e OCR), Áudio (metadados EXIF e transcrição de fala), HTML, formatos baseados em texto (CSV, JSON, XML), arquivos ZIP, URLs do Youtube, EPubs e mais. Recomenda‑se usar um ambiente virtual para evitar conflitos de dependências. Com Python 3.10 ou superior, você pode instalar o MarkItDown usando o pip: pip install 'markitdown[all]' ou a partir do código‑fonte com: git clone git@github.com:microsoft/markitdown.git, depois pip install -e 'packages/markitdown[all]'. O uso do MarkItDown envolve invocação via linha de comando, seja especificando o arquivo de saída, canalizando o conteúdo, ou usando a função convert_* mais restrita para casos de uso específicos.