github.com/microsoft/markitdown
MA
MarkItDown
微软开源工具，把几乎一切——PDF、Office文档、图片(OCR)、HTML、音频、压缩包和网页——统一转成干净 Markdown 喂给大模型。
立即开始了解更多
立即试用
GPT-4o什么是 MarkItDown?
MarkItDown 是微软开源的轻量库/命令行工具，能把极多种文件统一转成 Markdown 以便喂给语言模型：Word、PowerPoint、Excel、PDF、HTML、CSV/JSON/XML、图片（OCR/描述）、音频（转写）、EPUB、ZIP 压缩包乃至网页URL。它可选择性保留元数据与图片描述，pip 即可安装、可用 Python 调用，已成为 RAG 与文档AI管线中“把杂乱源格式变成干净文本”的常见第一步。
4.5
评分
免费
定价模式
3+
平台
0
收藏
优点
- 一个工具替代众多格式转换器。
- 输出特别适合RAG与LLM摄入。
- CLI与Python API都简单。
- 微软出品、MIT许可。
- 能处理冷门Office与压缩格式。
缺点
- 复杂排版/表格还原并非完美。
- OCR/音频需额外依赖或模型Key。
- 它是文档转换器，不是爬虫。
- 超大文件可能要先切分。
同类工具对比
| 功能 | MarkItDown | Crawl4AI | MediaCrawler | Crawlee |
|---|---|---|---|---|
| 评分 | 0.0 | 0.0 | 4.4 | 0.0 |
| 定价模式 | 免费 | 免费 | 免费 | 免费 |
| 起价 | — | — | Free | — |
| API | — | — | — | — |
| 免费版 | — | — | — | — |
| 移动端 | — | — | — | — |
适用人群
文
文档AI/RAG
向量化前把混合文件归一为Markdown。
知
知识库
批量把Office/PDF档案转文本。
L
LLM预处理
把杂乱上传变成模型可用上下文。
数
数据迁移
把历史文档转成可移植Markdown。
个
个人效率
快速把幻灯片/PDF变成可编辑文本。
开发者
Microsoft
支持平台
网页版 暂不支持
Windows 暂不支持
Mac 暂不支持
iPhone/iPad 暂不支持
安卓 暂不支持
华为 暂不支持
Linux 暂不支持
支持语言
中文, English
更新于
2026-09-13
常见问题
把PDF/Office/图片/音频/HTML等转成干净Markdown。