MarkItDown：微软开源的文件转 Markdown 工具
仓库地址：https://github.com/microsoft/markitdown
这是什么
MarkItDown 是微软开源的 Python 工具，用来把各种文件转换成 Markdown，比较适合给 LLM、知识库整理和文本分析流程使用。
Python tool for converting files and office documents to Markdown.
为什么值得记一下
- 对
PDF、Word、Excel、PowerPoint这类常见办公文件很实用 - 输出直接是
Markdown，很适合继续丢给 AI 或放进 Obsidian - 能保留一部分结构信息，比如标题、列表、表格、链接
- 支持命令行和 Python API，两种接入方式都比较方便
- 现在还提供了
MCP server，可以跟 LLM 应用集成
支持的输入格式
目前支持的输入包括：
- PowerPoint
- Word
- Excel
- 图片（EXIF / OCR）
- 音频（元数据 / 转录）
- HTML
- CSV / JSON / XML
- ZIP
- YouTube URL
- EPub
快速使用
安装
bash
pip install 'markitdown[all]'如果只想装部分格式支持，也可以按需安装：
bash
pip install 'markitdown[pdf, docx, pptx]'命令行
bash
markitdown path-to-file.pdf > document.md或者：
bash
markitdown path-to-file.pdf -o document.mdPython API
python
from markitdown import MarkItDown
md = MarkItDown(enable_plugins=False)
result = md.convert("test.xlsx")
print(result.text_content)适合的使用场景
- 把别人发来的
PDF/Word/PPT先转成 Markdown，再整理进 Obsidian - 给 AI 编码工具喂设计文档、接口说明、会议纪要
- 做资料归档时，先统一转成 Markdown，后续更容易搜索、链接和二次整理
- 做知识库沉淀时，减少复制粘贴和手工清洗格式的时间
使用时注意
- 它更偏向"给机器和知识处理流程用"，不是高保真排版还原工具
- 需要
Python 3.10+ - 某些格式需要安装对应可选依赖，最省事的方式就是直接装
[all] - OCR、图片描述、转录等增强能力可能依赖额外组件或插件
