用途:把文档文件转成 Markdown,基于 MarkItDown,并用 python-hwpx 单独处理 HWPX。支持单文件转换与文件夹批量转换。
主要能力:markitdown 处理 PDF、PPTX、DOCX、XLSX、XLS、HTML、CSV、JSON、XML、ZIP、EPUB 及图片;HWPX 由内置提取器 extract_hwpx.py 处理;不支持的扩展名跳过并记录日志。输出到独立文件夹,生成 .md、conversion-summary.json 和 conversion-errors.log。
使用方式:先在项目根目录执行 bash <skill-dir>/scripts/bootstrap.sh 准备环境(安装 markitdown、创建 .venv 并安装 python-hwpx、lxml)。单文件:python3 <skill-dir>/scripts/convert_one.py --source "/绝对路径/输入文件" --output "/绝对路径/输出.md"。批量:python3 <skill-dir>/scripts/convert_folder.py --input-dir "/绝对路径/输入文件夹" --output-dir "/绝对路径/输出文件夹"。
限制:不处理 YouTube 字幕、音频转写、说话人分离、文档编辑、文档转 PDF、OCR 质量改进及 HWP/HWPX 高保真版面还原;YouTube 字幕与语音转写需走其他路径。新建格式在正式使用前建议先用 convert_one.py 做单件验证;部分格式的成功率取决于上游状态。原文件不会被修改,输出始终写入独立文件夹,重名结果默认覆盖。仅 PDF、PPTX、HWPX 的文件夹批量转换在当前环境验证通过。