微软开源新工具 MarkItDown，Office 文件轻松转换为 Markdown 格式

IT之家 12 月 17 日报道，微软在 GitHub 上推出了一个名为 MarkItDown 的开源 Python 库，该库能够将包括 Office 文档在内的多种文件格式转换为 Markdown 格式。

使用此工具进行转换为用户提供了多种应用场景，例如文本索引、分析等，且还支持开发者利用大型语言模型进行图像的描述。

IT之家提供了 MarkItDown 库目前支持的文件格式列表如下：

• PDF (.pdf)

• PowerPoint (.pptx)

• Word (.docx)

• Excel (.xlsx)

• 图像（EXIF 元数据和 OCR）

• 音频（EXIF 元数据和语音转录）

• HTML（特殊处理维基百科等格式）

• 其他文本格式（csv, json, xml等）

开发者还可以配置 MarkItDown 库，利用大型语言模型描述图像，需将 mlm_client 和 mlm_model 参数配置为 MarkItDown 对象，示例如下：

from markitdown import MarkItDownfrom openai import OpenAIclient = OpenAI()md = MarkItDown(mlm_client=client, mlm_model="gpt-4o")result = md.convert("example.jpg")print(result.text_content)

MarkItDown 库在 MIT 开源许可下发布，开发者可以自由使用、修改和分发该库，但在分发时需包含原始许可证和版权声明。

广告声明：文中提到的对外链接（包括但不限于超链接、二维码、口令等形式），旨在提供更多信息，便于快速获取，结果仅供参考。