微软开源文件转Markdown神器
推荐指数 72.0 NO. 003 · 2026.09.08
Stars180,015
为什么值得看
MarkItDown 是微软出品的 Python 工具，可将 PDF、Word、PPT 等格式转为保留结构的 Markdown，专为 LLM 文本分析管道设计。18万星的热度说明这是当前文档预处理的事实标准，做 RAG 或知识库的团队可直接替换掉杂乱的解析脚本。
Python tool for converting files and office documents to Markdown.
编辑判断
做文档 RAG 的团队之前大多用 Apache Tika 或自己拼 PyPDF2 + python-docx，结果表格崩坏、标题层级丢失是常态。MarkItDown 的核心优势是结构保留——能把 Word 里的多级标题、PPT 的幻灯片顺序、Excel 的表格完整转成 Markdown 语法，下游 LLM 的上下文理解质量直接提升一档。
跟 textract 比，它更轻量且专为 LLM 场景优化；跟 LlamaParse 这些商业 API 比，本地跑零成本且隐私可控。如果你还在用正则表达式清洗 PDF 文本，或者付费 API 的解析结果需要二次修复，这个工具值得替换进管线。
Star History
生态分析
Production
文档预处理基础设施，LLM/RAG 管道的标准格式转换层
独特价值：微软官方背书，18万星生态标准，深度集成 LangChain/AutoGen
竞品：