markitdownPython nástroj pre konverziu súborov a kancelárskych dokumentov do formátu Markdown.

MarkItDown je ľahká Pythonova utilita na konverziu rôznych súborov do formátu Markdown pre použitie s LLM a súvisiacimi potrubiami analýzy textu. Je najviac porovnateľná s textract, ale so zameraním na zachovanie dôležitej štruktúry a obsahu dokumentu ako Markdown, vrátane hláv, zoznamov, tabuliek, odkazov atď. Výstup je často primerane prezentovateľný a užívateľsky prívetivý, ale je určený na spotrebu nástrojmi analýzy textu a nemusí byť tou najlepšou voľbou pre vysoko verné konverzie dokumentov pre ľudskú spotrebu. MarkItDown v súčasnosti podporuje konverziu z PDF, PowerPoint, Word, Excel, obrázkov (metadáta EXIF a OCR), zvuku (metadáta EXIF a prepis reči), HTML, textových formátov (CSV, JSON, XML), súborov ZIP, adries URL služby YouTube, EPubov a mnoho ďalšieho. Odporúča sa používať virtuálne prostredie, aby sa predišlo konfliktom závislostí. S Pythonom 3.10 alebo vyšším môžete nainštalovať MarkItDown pomocou pip: pip install 'markitdown[all]' alebo zo zdroja pomocou: git clone git@github.com:microsoft/markitdown.git, potom pip install -e 'packages/markitdown[all]' Používanie MarkItDown zahŕňa volanie z príkazového riadku, a to buď zadaním výstupného súboru, prečítaním obsahu alebo použitím najužšej funkcie convert_* pre konkrétne prípady použitia.