工具简介
MarkItDown 是 Microsoft 开源的 Python 工具，可把多种常见文件转换成适合阅读和大语言模型处理的 Markdown。它的目标是提取结构化文本，而非保留原文档的精确版式。
核心能力
- 转换 PDF、PowerPoint、Word、Excel、HTML、CSV、JSON、XML 等受支持格式。
- 根据安装的可选依赖处理图片、音频或其他扩展输入类型。
- 从文档提取文本与结构，便于后续检索、摘要或 LLM 输入。
- 提供 Python API 和命令行使用方式，便于脚本化批量处理。
适合场景
适合构建文档导入、知识库预处理和本地分析流水线，尤其是下游系统需要文本而不需要原始排版的情况。若目标是高保真文档转换、表格版式还原或正式出版，应选用更合适的转换方案并人工校对。
使用前须知
格式支持可能需要额外依赖，按官方文档安装所需组件并在目标环境测试。转换不保证完整保留布局、图表或语义；处理不可信文件时，使用隔离环境、最小权限和经过审查的依赖，不要把含敏感内容的文档发送给未经批准的外部模型或服务。