用途
MarkItDown 用于将多种常见文件格式转换为 Markdown 文本，便于后续阅读、检索、摘要、翻译或进一步处理。它基于微软的 markitdown 工具，通过命令行完成转换。
主要能力
支持的文件类型包括：
- PDF（.pdf）：文本提取并尽量保留布局
- Word（.docx）：保留标题、表格、列表
- PowerPoint（.pptx）：逐页转换并保留标题
- Excel（.xlsx、.xls）：逐工作表转换为表格
- HTML（.html、.htm）：完整结构转换
- CSV（.csv）：转换为 Markdown 表格
- JSON（.json）：格式化输出
- XML（.xml）：格式化输出
- 图片（.jpg、.png、.gif、.webp）：提取 EXIF 元数据
- 音频（.mp3、.wav）：转录（需要 ffmpeg）
- 邮件（.msg）：提取 Outlook 邮件内容
- 电子书（.epub）：全文提取
- 压缩包（.zip）：列出内容并转换其中受支持的文件
- URL（http://...）：抓取并转换网页
使用方式
前置条件：需要安装 markitdown CLI。若未安装，推荐使用以下命令安装：
uv tool install 'markitdown[all]'
其他安装方式：
pipx install 'markitdown[all]'
pip install --user 'markitdown[all]'
基本用法：
- 单文件转换：
markitdown "$FILE_PATH" - 保存到文件：
markitdown "$FILE_PATH" -o "$OUTPUT_PATH" - 从 URL 转换：
markitdown "$URL" - 批量转换目录：
for f in "$DIR"/*.{pdf,docx,pptx,xlsx,html,csv}; do
[ -f "$f" ] && markitdown "$f" -o "${f%.*}.md"
done
- 从 stdin 并指定扩展名：
cat "$FILE" | markitdown -x .html
示例：
/markitdown report.pdf
/markitdown slides.pptx -o slides.md
/markitdown data.xlsx
/markitdown https://example.com/page.html
/markitdown ./documents/ # batch convert all supported files
/markitdown *.pdf # convert all PDFs in current directory
适用场景
- 将文档、演示文稿、表格统一转为 Markdown，便于在对话或笔记中阅读
- 批量转换目录中的多种文件
- 抓取网页内容并转为 Markdown
- 对转换后的 Markdown 进行摘要、提取表格或标题、清理格式、翻译或拆分
限制
- 音频转录需要安装 ffmpeg（macOS 可用
brew install ffmpeg，Linux 可用apt install ffmpeg） - 若 PDF 为纯图片，文本提取可能为空，建议使用 OCR 工具
- 遇到编码问题可尝试
markitdown -c UTF-8 "$FILE" - 若提示
markitdown: command not found，需先安装 markitdown - 若提示
No such file or directory，需检查文件路径
工作流程
- 解析参数，识别目标（文件路径、通配符、目录或 URL）、输出选项（-o 保存或输出到 stdout）以及是否批量模式。若无参数则询问用户要转换的文件。
- 验证目标：检查文件是否存在，检查 markitdown 是否可用（
markitdown --version），未安装则安装。 - 执行转换。
- 呈现结果：短输出（少于 200 行）直接展示；长输出保存为 .md 文件并报告路径；批量转换给出汇总。
- 可选后处理：按用户要求进行摘要、提取特定信息、清理、翻译或拆分。