microsoft/markitdown

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

MarkItDown是一个Python工具，可将PDF、Word、PowerPoint、Excel、图片、音频、HTML、ZIP等文件转换为Markdown，供LLM和文本分析使用，并保留标题、列表、表格和链接等结构。

对 ATF 的帮助

值得与Company Brain和LabChin的文件导入环节作比较，这两个产品需要把公司文档和检索到的资料转换成AI可读的文本，同时保留标题和表格。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• Cocoon-AI/architecture-diagram-generator
  一个把系统文字描述转换为深色主题架构图的Claude skill。输出是包含SVG的独立HTML文件，并带有复制以及导出PNG和PDF的按钮。
• opendataloader-project/opendataloader-pdf
  从PDF中提取Markdown、带bounding box的JSON和HTML，提供结果确定的本地模式，以及针对复杂页面、带OCR的AI混合模式。它还能为未加标签的PDF添加标签，让屏幕阅读器可以读取。
• refactoringhq/tolaria
  一款适用于macOS、Windows和Linux的桌面应用，用于管理Markdown知识库。笔记保持为普通Markdown文件，每个库都是一个git仓库，无需账号即可离线使用。
• google/langextract
  LangExtract是一个Python库，利用LLM按照用户定义的指令和示例，从非结构化文本中提取结构化信息。每个提取项都对应到原文中的确切位置，结果可以交互式查看。
• iamgio/quarkdown
  Quarkdown为Markdown加入函数、变量，以及包含布局、数学、条件语句和循环的标准库。一个项目可以编译成书籍、学术论文、知识库、演示文稿或网站。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。