markitdown

Ne işe yarar?

MarkItDown; PDF, Word, Excel, ses ve resim gibi farklı dosya biçimlerini metin formatı olan Markdown'a dönüştüren hafif bir araçtır. Belgelerin başlık, tablo, bağlantı ve liste gibi temel yapılarını koruyarak metin analizi süreçlerine hazır hâle getirir. İnsanların okuması için birebir görsel eşleme yapmak yerine, büyük dil modellerinin kolayca işleyebileceği sade bir çıktı sunmaya odaklanır. Komut satırından doğrudan tek bir komutla ya da Python projelerine kütüphane olarak eklenerek kullanılabilir.

Neler için kullanılabilir?

• Word ve PDF belgelerini dil modellerine vermek üzere Markdown'a çevirmek
• Excel tablolarını ve CSV verilerini yapılandırılmış metin formatına dönüştürmek
• Görsellerdeki yazıları OCR ile okuyarak metin analiz hattına aktarmak
• Ses kayıtlarını metne döküp içeriklerini Markdown olarak kaydetmek

Nasıl kullanılır?

1. Sanal ortam oluşturun ve python -m venv .venv ile etkinleştirin.
2. pip install markitdown[all]'` komutunu çalıştırarak paketi kurun.
3. markitdown path-to-file.pdf -o document.md komutuyla belgenizi Markdown'a çevirin.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Belgelerini büyük dil modelleri ve metin işleme hatları için hızlıca Markdown'a çevirmek isteyen geliştiriciler.

Aynı kategoriden

• Stirling-PDF PDF belgelerini harici servislere göndermeden yerel ortamda düzenlemeyi sağlar.
• PaddleOCR Görselleri ve PDF belgelerini yapay zekâ için yapılandırılmış metne dönüştürür.
• MinerU (82K) Karmaşık PDF ve ofis belgelerini yapay zekâya hazır Markdown ve JSON formatına çevirir.
• tesseract Görsellerdeki ve taranmış belgelerdeki metinleri tanıyan açık kaynaklı OCR motorudur.
• docling Çeşitli belge formatlarını yapay zekâ uygulamaları için ayrıştırıp metne dönüştürür.
• ppt-master PDF ve Word belgelerinden düzenlenebilir, animasyonlu PowerPoint sunumları üretir.