Microsoft 的 MarkItDown 工具，将 PDF/Word/PowerPoint/Excel/HTML/图片/音频/EPUB/ZIP/YouTube 等格式转换为 Markdown。输出保留标题、列表、表格、链接等结构，适合 LLM 消费。
# 基本用法（输出到 stdout）
uvx --from "markitdown[all]" markitdown <文件路径>
# 输出到文件
uvx --from "markitdown[all]" markitdown input.pdf -o output.md
# 管道输入
cat input.pdf | uvx --from "markitdown[all]" markitdown
# 从 stdin 读取时指定文件类型
uvx --from "markitdown[all]" markitdown -x pdf < input.bin
| Flag | 说明 |
|---|---|
| ------ | ------ |
-o OUTPUT | 输出文件路径（默认 stdout） |
-x EXTENSION | 文件扩展名提示（stdin 时有用，如 -x pdf） |
-m MIME_TYPE | MIME 类型提示 |
-c CHARSET | 字符编码提示（如 UTF-8） |
-d | 使用 Azure Document Intelligence（需配合 -e） |
-e ENDPOINT | Document Intelligence 端点 URL |
-p | 启用第三方插件 |
--list-plugins | 列出已安装插件 |
--keep-data-uris | 保留 base64 图片（默认截断） |
-v, --version | 显示版本号 |
| 格式 | 扩展名 | 说明 |
|---|---|---|
| ------ | -------- | ------ |
.pdf | 文本提取（需 [pdf] 或 [all]） | |
| Word | .docx | 需 [docx] 或 [all] |
| PowerPoint | .pptx | 需 [pptx] 或 [all] |
| Excel | .xlsx | 需 [xlsx] 或 [all] |
| 旧版 Excel | .xls | 需 [xls] 或 [all] |
| HTML | .html, .htm | 内置支持 |
| 图片 | .jpg, .png 等 | EXIF 元数据 + OCR |
| 音频 | .wav, .mp3 | EXIF + 语音转文字（需 [audio-transcription]） |
| Outlook | .msg | 需 [outlook] 或 [all] |
| EPUB | .epub | 内置支持 |
| ZIP | .zip | 遍历内容逐个转换 |
| YouTube | URL | 需 [youtube-transcription] |
| CSV/JSON/XML | 各自扩展名 | 文本格式，内置支持 |
# 只安装特定格式的依赖
uvx --from "markitdown[pdf,docx,pptx]" markitdown input.pdf
# 完整安装
uvx --from "markitdown[all]" markitdown input.pdf
[all]：uvx markitdown 不带 extras 会缺少格式依赖，PDF/DOCX/PPTX 等无法处理uvx markitdown[all] 而非 --from：正确语法是 uvx --from "markitdown[all]" markitdownmarkitdown-ocr 插件 + LLM client共 1 个版本