# 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