Markdown 是一种流行的轻量级标记语言，采用纯文本格式语法，易于阅读、书写和理解。由于其语法一致且可预测，Markdown 可使人工智能算法轻松解析和理解文本结构。它还得到了 GitHub、Jupyter 笔记本等流行工具的广泛支持。
微软最近在 GitHub 上发布了一款名为 MarkItDown 的开源工具。MarkItDown 是一个 Python 库，用于将文件和办公文档转换为 Markdown。转换后的文件可用于索引、文本分析等。微软的 MarkItDown 库目前支持以下文件格式：
- PDF (.pdf)
- PowerPoint (.pptx)
- Word (.docx)
- Excel (.xlsx)
- 图像（EXIF 元数据和 OCR）
- 音频（EXIF 元数据和语音转录）
- HTML （对维基百科等的特殊处理）
- 其他各种基于文本的格式（csv、json、xml 等）
开发人员还可以将 MarkItDown 库配置为使用大型语言模型来描述图像。为此，开发人员必须为 MarkItDown 对象设置 mlm_client 和 mlm_model 参数，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 库采用 MIT 开源许可，开发人员可以自由使用、修改和分发。唯一的要求是在发布时包含原始许可证和版权声明。
开发者可在此处下载 MarkItDown Python 库。他们还可以使用 “pip install markitdown” 命令安装，或使用 “pip install -e” 命令从源代码中安装。
如果您不是开发人员，可以在这里试用 MarkItDown 库的网络应用程序：
