MarkItDown支持:
PDF PPT Word Excel 图像(EXIF 元数据和 OCR) 音频(EXIF 元数据和语音转录) HTML 基于文本的格式(CSV、JSON、XML) ZIP 文件
MarkItDown使用
from markitdown import MarkItDown
md = MarkItDown() result = md.convert("test.xlsx")
print(result.text_content)
要使用大型语言模型进行图像描述,请提供llm_client和llm_model:
from markitdown import MarkItDown
from openai import OpenAI client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o")
result = md.convert("example.jpg") print(result.text_content)
MarkItDown试用
https://github.com/microsoft/markitdown
来源 | PaperAgent