最近，Microsoft 的 MarkItDown 庫在 GitHub 上引起了廣泛關注，短短時間內就獲得了超過 20000 個星標。MarkItDown 是一個功能強大的 Python 庫，能夠將多種常見的文件格式（如 PDF、PowerPoint、Word、Excel、圖像、音頻和 HTML 等）轉換為 Markdown 格式，

圖片

MarkItDown 的優(yōu)勢與特點

相較于市面上其他的文件轉換工具（比如 Unstructured、Marker），MarkItDown 在轉換效果方面表現(xiàn)出色。尤其在處理 Office 格式的文檔時，它能夠準確地保留文檔的核心內容和格式，并且以簡潔的 Markdown 語法呈現(xiàn)，讓大模型更好的理解已有語料，這使得它在當前的大模型浪潮中展現(xiàn)出巨大的潛力和廣泛的關注。

下面，我們將展示如何通過 MarkItDown 將 Excel 文件轉換為 Markdown 格式的簡單示例。

首先，安裝 MarkItDown 庫：

pip install markitdown

然后，使用以下代碼進行轉換：

from markitdown import MarkItDown
# 初始化 MarkItDown 對象
markitdown = MarkItDown()
# 轉換 Excel 文件為 Markdown 格式
result = markitdown.convert("test.xlsx")
# 打印轉換后的 Markdown 內容
print(result.text_content)

這樣，我們就能夠輕松將 Excel 文檔轉換為 Markdown 格式。

不過，由于 MarkItDown 是 Python 工具包，直接在其他編程語言中使用并不十分方便。因此，筆者基于 MarkItDown 封裝了一個 REST API 服務，并增強支持PDF轉換成markdown，其他語言的開發(fā)者也可以通過這個服務輕松調用，實現(xiàn)跨語言使用。（PS: 感謝 Cursor 工具，使我這個 Python 門外漢也能根據(jù)自己的需求，輕松構建出符合要求的 AI 基礎設施。）

通過 REST API 使用 MarkItDown

• 運行 Docker 容器

首先，你需要啟動 MarkItDown 的 Docker 服務：

docker run -p 8000:8000 pig4cloud/markitdown

• 通過 REST API 調試

啟動服務后，你可以通過 curl 命令測試 API 接口，上傳 Word 文件進行轉換：

curl -X 'POST' \
 'http://localhost:8000/upload/' \
 -H 'Content-Type: multipart/form-data' \
 -F 'file=@test.docx'

 API 返回的結果是轉換后的 Markdown 格式文本：

{
"text": "\n## 核心技術棧升級\n\nSpring 官方已于 2023 年底宣布停止維護 JDK 8 和 Spring Boot 2 系列框架，業(yè)務系統(tǒng)仍使用已停止維護的 Spring Boot 2.x 和 JDK 8，存在大量安全漏洞（尤其近期高發(fā)），影響系統(tǒng)安全性與可擴展性。\n\n![](data:image/png;base64...)\n\n**優(yōu)化必要性**：\n\n 及時修復安全漏洞，避免業(yè)務數(shù)據(jù)泄露與惡意攻擊風險。\n\n 提高系統(tǒng)兼容性，適應未來技術生態(tài)與業(yè)務需求。\n\n**優(yōu)化方向：**\n\n 全面升級到 Spring Boot 3.x 和 JDK 17 LTS，采用最新技術棧，提升性能與安全性。\n\n 調研現(xiàn)有項目中間件的兼容性問題，評估升級改造成本并規(guī)劃實施路徑。\n\n 調用現(xiàn)有 DevOps 流水線，重構 JDK17 LTS 實現(xiàn)一鍵構建與自動化部署，提高開發(fā)效率。"
}

返回的 Markdown 格式文本可以直接嵌入到 Markdown 文檔中，或者通過其他工具進行 ETL 進一步處理。

進階使用：結合視覺模型提升轉換效果

MarkItDown 不僅僅支持傳統(tǒng)的文檔格式，還能與大模型進行集成，提升圖像和復雜文檔的解析能力。例如，借助視覺模型，MarkItDown 能夠處理復雜的圖像內容，將圖片中的信息提取并轉換為 Markdown 格式。

為了使用視覺模型，你可以通過如下命令啟動服務：

docker run -d \
 -p 8000:8000 \
 -e API_KEY=gitee_ai_key \
 -e MODEL=InternVL2_5-26B \
 -e BASE_URL=https://ai.gitee.com/v1 \
 pig4cloud/markitdown

Gitee AI 提供的 InternVL2_5-26B 視覺模型，來提升中文圖像和文檔內容的解析能力。當然你可以使用 qwen-vl 也可以根據(jù)需要使用本地的視覺模型，如 ollama run minicpm-v:8b，以滿足個性化的需求。

此外，還可以通過 Swagger 接口來調試 API，訪問地址為：http://0.0.0.0:9527/swagger-ui.html

圖片

總結與展望

盡管 MarkItDown 已經在多個文件格式的轉換上取得了顯著進展，

• 但目前它對舊版 Office 文檔（如.doc、.xls）以及 PDF 影印版的支持仍然有限(本增強工程已支持)。
• 對于復雜格式的報表，MarkItDown 的抽取效果可能不如預期，尤其是在處理非結構化數(shù)據(jù)時，文本轉換效果較為簡單。

然而，在 RAG（Retrieval-Augmented Generation）系統(tǒng)的構建中，MarkItDown 作為初始數(shù)據(jù)的轉換工具，已經為構建更智能的數(shù)據(jù)處理與生成系統(tǒng)提供了巨大的幫助。隨著功能的不斷完善，MarkItDown 將成為更多開發(fā)者實現(xiàn)文檔格式轉換的利器。

如果你對 AI 開發(fā)或者數(shù)據(jù)處理有興趣，不妨嘗試一下 MarkItDown，特別是在結合大語言模型的環(huán)境下，它的潛力無可限量。