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 日消息，微软在 GitHub 上发布了名为 MarkItDown 的开源 Python 库，可以将 Office 文档在内的多种文件格式，转换为 Markdown 格式。

用户通过该工具转换后，有助于文本索引、分析等多种应用场景，并支持开发者利用大型语言模型进行图像描述。

IT之家附上 MarkItDown 库当前支持的文件格式如下：

• PDF (.pdf)

• PowerPoint (.pptx)

• Word (.docx)

• Excel (.xlsx)

• Images (EXIF metadata, and OCR)

• Audio (EXIF metadata, and speech transcription)

• HTML (special handling of Wikipedia, etc.)

• 其它各种文本格式 (csv, json, xml, etc.)

开发人员还可以配置 MarkItDown 库，使用大型语言模型来描述图像，需要将 mlm_client 和 mlm_model 参数设置为 MarkItDown 对象，如下所示：

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

由于 MarkItDown 库在 MIT 开源许可下可用，因此开发人员可以自由使用、修改和分发它，唯一的要求是他们在分发时包含原始许可证和版权声明。