markitdown

MarkItDown 是一个轻量级 Python 工具，用于将各类文件和办公文档批量转换为结构化 Markdown 格式。它支持 PDF、Word、PowerPoint、Excel、HTML、图像（含 OCR）、音频（含语音转文字）、ZIP、YouTube 链接、EPUB 等多种输入源，并注重保留标题、列表、表格、链接等语义结构，专为 LLM 文本处理流水线优化。输出以 Markdown 为中间表示，兼顾 token 效率与模型理解能力，适用于 RAG、文档智能、知识库构建等场景，不适用于高保真排版输出。