a

skills/markitdown-converter/SKILL.md

@@ -0,0 +1,92 @@
+# MarkItDown Converter
+
+文档格式转换工具 - 使用 Microsoft MarkItDown 将各种文件格式转换为 Markdown。
+
+## 功能
+
+支持转换的格式：
+- **PDF** - 提取文本内容
+- **PowerPoint** (.pptx) - 提取幻灯片内容
+- **Word** (.docx) - 提取文档内容
+- **Excel** (.xlsx) - 提取表格数据
+- **图片** - EXIF元数据和OCR文本识别
+- **音频** - EXIF元数据和语音转录
+- **HTML** - 转换为Markdown
+- **文本格式** - CSV, JSON, XML
+- **ZIP文件** - 遍历内容转换
+- **YouTube URL** - 提取视频信息
+- **EPub** - 电子书转换
+
+## 使用方法
+
+### 命令行
+
+```bash
+# 基本使用
+markitdown input.pdf -o output.md
+
+# 从stdin读取
+cat input.docx | markitdown > output.md
+
+# 管道使用
+markitdown input.pptx | head -50
+```
+
+### Python API
+
+```python
+from markitdown import MarkItDown
+
+md = MarkItDown()
+result = md.convert("document.pdf")
+print(result.text_content)
+```
+
+## 示例
+
+### 转换PDF
+```bash
+markitdown report.pdf -o report.md
+```
+
+### 转换Word文档
+```bash
+markitdown contract.docx -o contract.md
+```
+
+### 转换Excel表格
+```bash
+markitdown data.xlsx -o data.md
+```
+
+### 转换PowerPoint
+```bash
+markitdown presentation.pptx -o presentation.md
+```
+
+### 图片OCR识别
+```bash
+markitdown scanned_document.jpg -o document.md
+```
+
+### YouTube视频
+```bash
+markitdown "https://youtube.com/watch?v=..." -o video_info.md
+```
+
+## 安装
+
+```bash
+pip install markitdown
+```
+
+## 注意事项
+
+- 需要安装相应格式的依赖库（如pdf需要pdfminer等）
+- 图片OCR需要额外的OCR引擎支持
+- 音频转录需要语音识别模型
+
+## 参考
+
+- GitHub: https://github.com/microsoft/markitdown
+- 版本: 0.1.5

skills/markitdown-converter/convert.py

@@ -0,0 +1,157 @@
+#!/usr/bin/env python3
+"""
+MarkItDown 文档转换工具封装
+支持各种格式转换为 Markdown
+"""
+
+import os
+import sys
+import subprocess
+from pathlib import Path
+from typing import Optional
+
+
+def convert_file(input_path: str, output_path: Optional[str] = None) -> str:
+    """
+    将文件转换为 Markdown
+    
+    Args:
+        input_path: 输入文件路径
+        output_path: 输出文件路径（可选，默认输出到同目录同名.md）
+        
+    Returns:
+        输出文件路径
+    """
+    input_file = Path(input_path)
+    
+    if not input_file.exists():
+        raise FileNotFoundError(f"文件不存在: {input_path}")
+    
+    # 如果没有指定输出路径，使用同名.md
+    if output_path is None:
+        output_file = input_file.with_suffix('.md')
+    else:
+        output_file = Path(output_path)
+    
+    # 调用 markitdown
+    cmd = ['markitdown', str(input_file), '-o', str(output_file)]
+    
+    try:
+        result = subprocess.run(
+            cmd,
+            capture_output=True,
+            text=True,
+            timeout=300  # 5分钟超时
+        )
+        
+        if result.returncode == 0:
+            print(f"✅ 转换成功: {input_file.name} -> {output_file.name}")
+            return str(output_file)
+        else:
+            print(f"❌ 转换失败: {result.stderr}")
+            return None
+            
+    except subprocess.TimeoutExpired:
+        print("❌ 转换超时")
+        return None
+    except Exception as e:
+        print(f"❌ 转换异常: {e}")
+        return None
+
+
+def convert_to_text(input_path: str) -> str:
+    """
+    将文件转换为 Markdown 文本（不保存文件）
+    
+    Args:
+        input_path: 输入文件路径
+        
+    Returns:
+        Markdown 文本内容
+    """
+    input_file = Path(input_path)
+    
+    if not input_file.exists():
+        raise FileNotFoundError(f"文件不存在: {input_path}")
+    
+    cmd = ['markitdown', str(input_file)]
+    
+    try:
+        result = subprocess.run(
+            cmd,
+            capture_output=True,
+            text=True,
+            timeout=300
+        )
+        
+        if result.returncode == 0:
+            return result.stdout
+        else:
+            print(f"❌ 转换失败: {result.stderr}")
+            return ""
+            
+    except Exception as e:
+        print(f"❌ 转换异常: {e}")
+        return ""
+
+
+def batch_convert(directory: str, pattern: str = "*") -> list:
+    """
+    批量转换目录中的文件
+    
+    Args:
+        directory: 目录路径
+        pattern: 文件匹配模式（如 "*.pdf"）
+        
+    Returns:
+        成功转换的文件列表
+    """
+    dir_path = Path(directory)
+    
+    if not dir_path.exists():
+        raise FileNotFoundError(f"目录不存在: {directory}")
+    
+    files = list(dir_path.glob(pattern))
+    converted = []
+    
+    print(f"找到 {len(files)} 个文件，开始转换...")
+    
+    for file in files:
+        if file.is_file():
+            output = convert_file(str(file))
+            if output:
+                converted.append(output)
+    
+    print(f"\n✅ 成功转换 {len(converted)}/{len(files)} 个文件")
+    return converted
+
+
+def main():
+    """命令行入口"""
+    import argparse
+    
+    parser = argparse.ArgumentParser(description='文档转 Markdown 工具')
+    parser.add_argument('input', help='输入文件路径')
+    parser.add_argument('-o', '--output', help='输出文件路径（可选）')
+    parser.add_argument('-t', '--text', action='store_true', help='仅输出文本，不保存文件')
+    parser.add_argument('-b', '--batch', help='批量转换目录')
+    parser.add_argument('-p', '--pattern', default='*', help='批量转换时的文件匹配模式')
+    
+    args = parser.parse_args()
+    
+    if args.batch:
+        # 批量模式
+        batch_convert(args.batch, args.pattern)
+    elif args.text:
+        # 仅输出文本
+        text = convert_to_text(args.input)
+        print(text)
+    else:
+        # 单文件转换
+        output = convert_file(args.input, args.output)
+        if output:
+            print(f"输出文件: {output}")
+
+
+if __name__ == '__main__':
+    main()