markitdown

MarkItDown由微软AutoGen团队开发，专注于将各种文件格式转换为Markdown，以便用于大语言模型（LLM）和文本分析流程。它支持PDF、PowerPoint、Word、Excel、图片（EXIF和OCR）、音频（EXIF和语音转录）、HTML、CSV、JSON、XML、ZIP、YouTube链接、EPub等。与同类工具textract相比，MarkItDown更注重保留文档结构（如标题、列表、表格、链接），输出格式对AI更友好。它轻量、易用，适合需要批量转换文档以进行AI处理的场景。