MarkItDown

描述

MarkItDown 是一个在线转换器，可以将文档转换为干净、结构化的 Markdown，这是 AI 工具最容易理解的格式。它起初是微软的开源 MarkItDown 工具；该网站是一个独立服务，受该项目启发，自托管库以支持简单的网络工作流，因此无需安装 Python，也无需创建账户即可开始使用。

该转换器支持多种输入格式，包括 PDF、DOCX、PPTX、XLS/XLSX、HTML/HTM、TXT/MD、CSV/TSV、JSON、XML、EPUB、IPYNB、公共 URL，以及通过 OCR 处理的 PNG/JPG/WebP 图像。它保留文档结构，如标题、表格、列表、链接和内联格式，对于扫描的 PDF，它提供内置的 AI OCR，将内容重建为 Markdown，包括转换为 LaTeX 的表格和数学方程。

您可以选择本地转换，将支持的文件完全保留在浏览器中，或通过自托管引擎进行快速服务器转换，上传的源文件仅写入临时存储，并在转换后立即删除。转换后的输出可以直接用于 RAG 管道、LLM 提示、向量数据库、知识库、文档网站和基于 Git 的编辑工作流。

免费套餐每批处理最多 3 个文件，文件大小上限为 20MB，每月提供 10 页 OCR，无需创建账户即可开始，而 Pro 计划将限制提高到 100MB 文件、30 个文件的批次、无限保存结果和每月 500 页 OCR。

MarkItDown的核心功能

• 将 PDF、DOCX、PPTX、XLS/XLSX、HTML、CSV/TSV、JSON/XML、EPUB 和 IPYNB 转换为 Markdown

• 对 PNG、JPG 和 WebP 文件进行图像 OCR

• 对带有表格和 LaTeX 数学的扫描 PDF 提供内置 AI OCR

• 本地浏览器转换或快速服务器转换

• 保留标题、表格、列表、链接和内联格式

• 输出优化用于 LLM 提示、RAG 管道和向量数据库

• 转换公共 URL 并直接粘贴 CSV/TSV 表格

• 临时处理，源文件在转换后立即删除

如何使用 MarkItDown？

1. 1

   上传您的文件：选择或拖放一个支持的源文件，或粘贴公共 URL 或 CSV/TSV 表格。

2. 2

   选择模式：选择本地转换以将文件保留在浏览器中，或选择服务器转换以使用自托管引擎。

3. 3

   转换为 Markdown：解析器识别标题、表格、列表和其他结构，并生成干净的 Markdown。

4. 4

   预览和下载：查看输出，然后下载准备好进行 AI 处理的 .md 文件，或将其保存到您的工作区。

MarkItDown的使用案例

• RAG 管道摄取
• LLM 提示准备
• 扫描文档转换
• 文档和知识库
• 基于 Git 的内容工作流

MarkItDown的常见问题

• 什么是 MarkItDown？

  MarkItDown 起初是微软的开源工具，用于将文件转换为干净、结构化的 Markdown。该网站上的在线转换器是一个独立服务，受其启发，自托管库以支持简单的网络工作流，无需安装。

• MarkItDown 支持哪些文件格式？

  它支持 PDF、DOCX、PPTX、XLS/XLSX、HTML/HTM、TXT/MD、CSV/TSV、JSON、XML、EPUB、IPYNB、公共 URL、粘贴的 CSV/TSV 表格，以及通过 OCR 处理的 PNG/JPG/WebP 图像。

• MarkItDown 是免费使用的吗？

  是的。独立的在线转换器可以免费使用，无需创建账户即可开始。免费套餐每批处理最多 3 个文件，文件大小上限为 20MB，而 Pro 计划将限制提高到 100MB 文件、30 个文件的批次和无限保存结果。

• MarkItDown 如何处理扫描的 PDF？

  当 PDF 没有可选择的文本时，转换器提供内置的 AI OCR，将内容重建为 Markdown，包括转换为 LaTeX 的表格和数学方程。免费账户每月包含 10 页 OCR。

• MarkItDown 能保留表格和格式吗？

  是的。表格被转换为 Markdown 表格语法，标题保持其层次结构，列表保持其嵌套，内联格式如粗体和斜体在源格式清晰暴露时得以保留。

• MarkItDown 对于敏感文档安全吗？

  上传的文件通过 Cloudflare 传输到自托管的 MarkItDown 服务，仅写入临时存储，并在转换后立即删除。源文件不会被存储或记录；只有保存的结果会保留在您的私人工作区。