微软发布MarkItDown开源Python库 兼容多种文件格式

12月17日，微软在GitHub上发布了名为MarkItDown的开源Python库，该库可以将包括Office文档在内的多种文件格式转换为Markdown格式。通过该工具进行转换后，用户可以帮助文本索引、分析等多种应用场景，并且支持开发者利用大型语言模型来描述图像。

目前，MarkItDown库支持的文件格式有PDF(.pdf)、PowerPoint(.pptx)、Word(.docx)、Excel(.xlsx)、Images(EXIF metadata, and OCR)、Audio(EMF metadata, and speech transcription)以及HTML等其他各种文本格式。

对于开发人员来说，在配置MarkItDown库时，只需要将mlm_client和mlm_model参数设置为MarkItDown对象即可。例如：

```

from markitdown import MarkItDown

from openai import OpenAI

client = OpenAI()

md = MarkItDown(mlm_client=client, mlm_model='gpt-4o')

result = md.convert("example.jpg")

print(result.text_content)

```

【编译自：微软发布MarkItDown开源Python库】