dev.to | 📄 原文链接 | 2026-08-06 收录

微软 MarkItDown：把几乎任何文件转成 Markdown 的轻量工具

来源：dev.to — 2026-06

📋 概述

LLM 应用常遇到的数据痛点：资料躺在 PDF、Word、Excel、PPT 里，而 AI 管道要的是干净文本，复制粘贴不可扩展，多数转换工具又要么丢结构要么输出噪音。微软的 MarkItDown 正是为这个缺口而生——一个轻量 Python 库/CLI，把 PDF、docx、pptx、xlsx、图片、音频、HTML、CSV/JSON/XML、ZIP、EPUB，乃至 YouTube 转写，统一转成保留标题、表格、列表、链接结构的 Markdown。它的目标不是像素级可读，而是高效喂给 LLM。

🔑 核心要点

目标明确：为 LLM 与文本分析管道产出 token 高效、结构完整的 Markdown
覆盖面广：PDF/Office/图片/音频/HTML/CSV/JSON/XML/ZIP/EPUB/YouTube 全支持
图片音频走 EXIF 元数据 + 可选 OCR/语音转写
安装一句 `pip install 'markitdown[all]'` 即可
保留标题、表格、列表与链接——正是多数转换工具丢掉的

💡 金句

Most conversion tools either strip too much structure or produce noisy output.

← 返回 Dev.to 首页