文档转换的终极武器来了！

微软又放大招了！这次他们开源了一个叫 MarkItDown 的神器，可以将各种文件轻松转换为Markdown格式。

对于经常与大语言模型打交道的开发者和研究者来说，这绝对是一个趁手神器。

什么是MarkItDown？

MarkItDown 是一个文件转换的全能工具，支持的文件类型简直让人惊叹：

• PDF
• PowerPoint
• Word
• Excel
• 图片（支持EXIF元数据和OCR）
• 音频（支持EXIF元数据和语音转录）
• HTML（特别优化了维基百科等网站）
• 各类文本格式（csv、json、xml等）

如何使用？

安装简单到令人发指：

pip install markitdown

代码也就几行：

from markitdown import MarkItDown

markitdown = MarkItDown()
result = markitdown.convert("test.xlsx")
print(result.text_content)

黑科技：大语言模型图像描述

MarkItDown 还支持调用大语言模型来描述图像，这可太酷了！

from markitdown import MarkItDown
from openai import OpenAI

client = OpenAI()
md = MarkItDown(mlm_client=client, mlm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)

开源精神

作为微软开源项目，MarkItDown 遵循开放协作的理念。任何人都可以通过贡献许可协议（CLA）参与到项目中来。

想要了解更多？

快去 GitHub仓库 探索吧！

相关链接

[1] GitHub仓库: https://github.com/microsoft/markitdown