GitHub 热门项目: markitdown

? GitHub 项目：markitdown ?仓库地址：https://github.com/microsoft/markitdown ⭐ 星星：121763 | ? 作者：微软 ? 项目描述：用于将文件和 Office 文档转换为 Markdown 的 Python 工具。 =================================================== ? 自述文件内容： =================================================== # 标记下来 [](https://pypi.org/project/markitdown/)  [](https://github.com/microsoft/autogen) > [!重要] > MarkItDown 使用当前进程的权限执行 I/O。与 open() 或 requests.get() 一样，它将访问进程本身可以访问的资源。在不受信任的环境中清理您的输入，并调用您的用例所需的最窄的“convert_*”函数（例如“convert_stream()”或“convert_local()”）。有关详细信息，请参阅文档的[安全注意事项](#security-considerations) 部分。 MarkItDown 是一个轻量级的 Python 实用程序，用于将各种文件转换为 Markdown，以便与 LLM 和相关文本分析管道一起使用。为此，它与 [texttract](https://github.com/deanmalmgren/textract) 最具可比性，但重点是将重要的文档结构和内容保留为 Markdown（包括：标题、列表、表格、链接等）。虽然输出通常相当美观且人性化，但它旨在由文本分析工具使用 - 并且可能不是供人类使用的高保真文档转换的最佳选择。 MarkItDown 目前支持以下转换： - PDF - 幻灯片 - 词 - Excel - 图像（EXIF 元数据和 OCR） - 音频（EXIF 元数据和语音转录） - HTML - 基于文本的格式（CSV、JSON、XML） - ZIP 文件（迭代内容） - YouTube 网址 - 电子书 - ...还有更多！ ## 为什么要降价？ Markdown 非常接近纯文本，具有最少的标记或格式，但仍然 提供了一种表示重要文档结构的方法。主流法学硕士，例如 OpenAI 的 GPT-4o，原生“_speak_”Markdown，并且经常将 Markdown 合并到他们的 无提示的响应。这表明他们接受过大量的培训 Markdown 格式的文本，并且很好理解。附带的好处是，Markdown 约定 也具有很高的代币效率。 ## 先决条件 MarkItDown 需要 Python 3.10 或更高版本。建议使用虚拟环境以避免依赖冲突。 通过标准 Python 安装，您可以使用以下命令创建并激活虚拟环境： ````bash python -m venv .venv 源 .venv/bin/activate ```` 如果使用“uv”，您可以使用以下命令创建虚拟环境： ````bash uv venv --python=3.12 .venv 源 .venv/bin/activate # 注意：请务必使用“uv pip install”而不仅仅是“pip install”在此虚拟环境中安装软件包 ```` 如果您使用的是 Anaconda，您可以