markitdownPython-verktyg för konvertering av filer och kontorsdokument till Markdown.

MarkItDown är ett lätthanterligt Python-verktyg för att konvertera olika filer till Markdown för användning med LLMs och relaterade textanalyspipeliner. Det är mest jämförbart med textract, men med fokus på att bevara viktig dokumentstruktur och innehåll som Markdown, inklusive rubriker, listor, tabeller, länkar etc. Utmatningen är ofta rimligt presenterbar och människo-vänlig, men den är tänkt att konsumeras av textanalysverktyg och kan inte vara det bästa alternativet för högkvalitativa dokumentkonverteringar för mänsklig konsumtion. MarkItDown stöder för närvarande konvertering från PDF, PowerPoint, Word, Excel, bilder (EXIF-metadata och OCR), ljud (EXIF-metadata och taltranskription), HTML, textbaserade format (CSV, JSON, XML), ZIP-filer, Youtube-URL:er, EPubs och mycket mer. Det rekommenderas att använda en virtuell miljö för att undvika beroendekonflikter. Med Python 3.10 eller högre kan du installera markitdown med pip: pip install 'markitdown[all]' eller från källkoden med: git clone git@github.com:microsoft/markitdown.git, sedan pip install -e 'packages/markitdown[all]'. Användningen av MarkItDown innebär kommandoradsanrop, antingen genom att ange utdatafilen,管式innehåll eller använda den smalaste convert_*-funktionen för specifika användningsfall.