文档格式转换，几乎是每位职场人士、研究人员乃至学生都难以回避的常见需求。无论是搭建企业内部知识库，还是整理个人学习笔记，面对格式各异的文件——PDF、Word、PPT、Excel、图片等——想要将它们统一转换为一种既便于阅读、分享，又适合后续处理的格式，确实颇为费时。
今天介绍的这款工具，正好能解决这一难题：MarkItDown。作为微软支持的开源项目，其核心能力在于将各类文件格式“输入”后，输出一份整洁的Markdown文档。更值得关注的是，它的输出天然针对大型语言模型（LLM）进行了优化，堪称AI时代的文档“翻译官”。

MarkItDown支持哪些文件格式？

MarkItDown 的兼容范围相当广泛。主要支持的文件类型包括：

• 办公文档：PDF、Word、Excel、PowerPoint
• 图像与音频：支持OCR识别和音频转录
• 网页与文本：HTML、CSV、JSON、XML
• 其他：ZIP压缩包，甚至YouTube链接

这意味着，无论是学术论文、商业报告，还是个人项目，几乎都能覆盖。它的核心输出格式是Markdown，简洁且可读性极强，既适合人工阅览，也几乎是主流大模型（如GPT-4o）的“母语”。数据表明，这些模型在大量Markdown文本上训练过，所以MarkItDown的输出，能更精准地被理解和处理。

如何安装与使用MarkItDown？

安装过程非常简洁，只需一行命令即可完成：

pip install 'markitdown[all]'

如果想从源码开始配置，可以克隆官方仓库：

git clone git@github.com:microsoft/markitdown.git
cd markitdown
pip install -e packages/markitdown[all]

命令行模式

最简便的方式是在终端中直接转换文件：

markitdown path-to-file.pdf > document.md

或者指定输出文件：

markitdown path-to-file.pdf -o document.md

甚至可以通过管道直接传送内容：

cat path-to-file.pdf | markitdown

可选依赖项

前面安装时使用了[all]，一次性集成了全部功能。实际上，你可以按需安装，更精准地控制依赖包：

pip install markitdown[pdf, docx, pptx]

目前可选依赖项如下：

• [all] – 安装全部依赖
• [pptx] – PowerPoint支持
• [docx] – Word支持
• [xlsx] – Excel支持
• [xls] – 旧版Excel支持
• [pdf] – PDF支持
• [outlook] – Outlook邮件支持
• [az-doc-intel] – Azure Document Intelligence支持
• [audio-transcription] – wav/mp3音频转录
• [youtube-transcription] – YouTube视频转录

插件系统

MarkItDown 还支持第三方插件，默认处于关闭状态。你可以这样列出已安装的插件：

markitdown --list-plugins

启用插件：

markitdown --use-plugins path-to-file.pdf

如果需要寻找可用的插件，在GitHub上搜索标签#markitdown-plugin即可。开发插件的示例可以参考官方仓库中的packages/markitdown-sample-plugin。

更高级的用法

Azure Document Intelligence：

markitdown path-to-file.pdf -o document.md -d -e ""

Python API：

from markitdown import MarkItDown
md = MarkItDown(enable_plugins=False)  # 设置为True启用插件
result = md.convert("test.xlsx")
print(result.text_content)

结合Document Intelligence：

from markitdown import MarkItDown
md = MarkItDown(docintel_endpoint="")
result = md.convert("test.pdf")
print(result.text_content)

配合大模型做图像描述：

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

Docker 部署：

docker build -t markitdown:latest .
docker run --rm -i markitdown:latest < ~/your-file.pdf > output.md

以上就是MarkItDown的完整配置指南。如果在安装或使用过程中遇到任何问题，欢迎在评论区一起交流讨论！