nanocode/skills/markitdown-converter/SKILL.md

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

# 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

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("document.pdf")
print(result.text_content)

示例

转换PDF

markitdown report.pdf -o report.md

转换Word文档

markitdown contract.docx -o contract.md

转换Excel表格

markitdown data.xlsx -o data.md

转换PowerPoint

markitdown presentation.pptx -o presentation.md

图片OCR识别

markitdown scanned_document.jpg -o document.md

YouTube视频

markitdown "https://youtube.com/watch?v=..." -o video_info.md

安装

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