微软万能文档转换工具 MarkItDown：一键转 Markdown
来源：dev.to — 2026-07-31
📋 概述
MarkItDown 是微软推出的轻量级 Python 工具，能将 PDF、Word、Excel、PowerPoint、HTML、CSV、JSON、XML、EPub、ZIP、图片（OCR）、音频（语音转录）乃至 YouTube 字幕等近二十种格式转换为结构化的 Markdown。其设计目标是直接为 LLM 和文本分析管线提供干净、保留结构的文本——标题、表格、列表和链接被正确保留。
🔑 核心要点
- 广泛格式支持：PDF、Word、Excel、PPT、HTML、CSV、JSON、XML、EPub、ZIP、YouTube 字幕等
- LLM 管线优化：输出针对 token 效率高的 Markdown 格式，直接可喂入大语言模型
- OCR 和语音转录：图片文件提取 EXIF 元数据并可选 OCR，音频文件可选语音转录为文本
- pip install：一行命令安装全部依赖（pip install 'markitdown[all]'），也支持按需选择格式
- CLI + Python API：既可作为命令行工具直接转换文件，也可在 Python 代码中编程调用
💡 金句
The explicit goal is to feed text into LLMs and text analysis pipelines — and Markdown is the right format for that.
👍 0
👎 0
← 返回 Dev.to 首页