MarkItDown 是微軟開源的文件轉換工具,能將 PDF、Word、Excel、PowerPoint 與網頁等內容整理成 Markdown,供搜尋、文件分析與 RAG 知識庫使用。本文從 Python 環境與套件安裝開始,提供 CLI、Python API 和批次轉檔範例,並區分一般文字文件、掃描圖片與複雜版面的處理方式。遇到空白輸出、缺少依賴或 OCR 未啟動時,可依排錯表檢查;需要 LLM 或 Azure 的功能則另外說明設定、資料傳送與服務費用的界線。
AI應用、程式筆記、開發心得
MarkItDown 是微軟開源的文件轉換工具,能將 PDF、Word、Excel、PowerPoint 與網頁等內容整理成 Markdown,供搜尋、文件分析與 RAG 知識庫使用。本文從 Python 環境與套件安裝開始,提供 CLI、Python API 和批次轉檔範例,並區分一般文字文件、掃描圖片與複雜版面的處理方式。遇到空白輸出、缺少依賴或 OCR 未啟動時,可依排錯表檢查;需要 LLM 或 Azure 的功能則另外說明設定、資料傳送與服務費用的界線。