markitdown

MarkItDown is a Python utility that converts various file formats into Markdown format, optimized for use with large language models and text analysis pipelines. It preserves document structure (headings, lists, tables, hyperlinks) while producing clean, token-efficient Markdown output.

Convert Office documents and PDFs to Markdown while preserving structure.

See references/documentconversion.md for detailed documentation on document-specific features.

さまざまなファイル形式 (PDF、Office ドキュメント、画像、オーディオ、Web コンテンツ、構造化データ) を、LLM 処理用に最適化された Markdown に変換します。ドキュメントをマークダウンに変換する場合、PDF/Office ファイルからテキストを抽出する場合、音声を文字に起こす場合、画像に対して OCR を実行する場合、YouTube トランスクリプトを抽出する場合、またはファイルのバッチを処理する場合に使用します。 DOCX、XLSX、PPTX、PDF、HTML、EPUB、CSV、JSON、OCR 付きの画像、文字起こし付きの音声を含む 20 以上の形式をサポートします。 ソース: smallnest/langgraphgo。