MarkItDown 开源工具：10 秒把 PDF 转成 Markdown 的完整教程

MarkItDown 开源工具：10 秒把 PDF 转成 Markdown 的完整教程

【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdown

MarkItDown 是微软开源的一款文件格式转换工具，专门做 Markdown 转换：把 PDF、Word、Excel、网页甚至音频统统变成纯 Markdown 文本。手上一堆 PDF 想喂给大模型？批量转换工具它也算一个，一次搞定。

支持哪些文件格式？

📌 先把"它到底能转哪些格式"讲清楚，分四组：

• 办公文档：PDF、DOCX、PPTX、XLSX（含老式 XLS）、EPUB、Outlook MSG、ZIP 压缩包
• 网页来源：HTML 页面、RSS 订阅、YouTube 视频（取字幕）、Wikipedia 页面、搜索结果页
• 多媒体：JPG/PNG 等图片（输出描述信息），MP3/WAV/M4A 等音频（转写文字）
• 数据文件：CSV、JSON、XML、Jupyter Notebook（.ipynb）

每种格式对应一个独立转换器，想加新格式不用改主包，装插件即可，扩展代码都放在 converters/ 目录里。

5 分钟装好 MarkItDown

准备 Python 3.10 以上环境和 pip，一条命令装完全部可选依赖；只想支持某几种格式的话，把[all]换成[pdf]、[docx]之类的 extras 就行。装好后顺手验证一下版本：

pip install 'markitdown[all]' markitdown --version

一条命令完成转换

拿到文件，直接喂给它：

markitdown 报告.pdf -o 报告.md

不带-o的话，结果直接打印到终端，想存盘也可以用>重定向，效果一样。

进阶：批量与自定义

📌 两个用得上的技巧：

管道输入：文件没有扩展名、或者内容来自管道时，用-x提示格式，MarkItDown 照样认得出：

cat 未知文件 | markitdown -x pdf

批量转换：命令行一次吃一个文件，批量就靠 shell 串起来，一条命令转完一整个文件夹：

for f in *.pdf; do markitdown "$f" -o "out/${f%.pdf}.md"; done

另外--list-plugins可以查看已装插件，-d能接入云端文档智能服务做更精细的版面识别；不想折腾的话，本地转换已经够用。

源码目录速览

packages/markitdown/src/markitdown/ 核心包 packages/markitdown/src/markitdown/converters/ 各格式转换器 packages/markitdown/tests/ 测试用例

新手上手建议

• 第一次跑，拿最简单的 DOCX 试，5 秒钟就能看懂输出长什么样，比直接怼复杂 PDF 心里有底
• 敲markitdown --help翻一遍参数，比翻文档快，藏着不少实用开关
• 扫描件和截图记得配合 OCR 插件，纯文本提取对"图片里的字"是无能为力的
• 双栏排版的 PDF 转出来难免有顺序问题，后处理一下再入库，别指望一次完美

写在最后

把攒了半年的合同 PDF 批量转成 Markdown 归档，或者把一堆网页丢进去做 RAG 语料库，都是 MarkItDown 最常见的活儿。装一个试试，两分钟的事。

【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdown