MarkItDown: 다양한 파일을 마크다운 형식으로 변환하는 Microsoft 문서 지능형 변환 도구

일반 소개

마크잇다운은 다양한 파일과 오피스 문서를 마크다운 형식으로 변환하기 위해 Microsoft에서 개발한 Python 도구입니다. 이 도구는 PDF, PowerPoint, Word, Excel, 이미지(EXIF 메타데이터 및 OCR), 오디오(EXIF 메타데이터 및 음성 전사), HTML(위키백과 등 특수 처리)은 물론 기타 텍스트 형식(예: CSV, JSON, XML 등)을 포함한 광범위한 파일 형식을 지원합니다.MarkItDown의 API는 간단하게 설계되어 사용자가 파일의 내용을 마크다운 텍스트로 쉽게 변환할 수 있어 인덱싱, 텍스트 분석 및 기타 작업에 편리합니다.

경험 주소:턴투마크다운

기능 목록

• PDF, PowerPoint, Word, Excel, 이미지, 오디오, HTML, CSV, JSON, XML 등 다양한 파일 형식 변환을 지원합니다.
• 사용하기 쉬운 API: 간단한 코드로 파일 변환이 가능합니다.
• 이미지와 오디오 파일에 대한 메타데이터 추출 및 광학 문자 인식: EXIF 메타데이터 및 OCR 처리를 지원합니다.
• HTML 파일의 특수 처리: 위키백과와 같은 특수 HTML 파일 처리를 포함합니다.
• 오픈 소스 프로젝트: Microsoft 오픈 소스 행동 강령에 따라 커뮤니티 기여 및 제안을 환영합니다.

도움말 사용

두 번째 드라이브 명령줄 도구: https://github.com/john88188/CTM

설치 프로세스

1. Python 환경이 설치되어 있는지 확인합니다(Python 3.6 이상 권장).
2. pip를 사용하여 MarkItDown 라이브러리를 설치합니다:

   pip install markitdown

사용법

1. 마크다운 라이브러리를 가져옵니다:

   from markitdown import MarkItDown

2. 마크다운 객체를 생성합니다:

   markitdown = MarkItDown()

3. 파일을 변환합니다:

   result = markitdown.convert("test.xlsx")
print(result.text_content)

세부 기능 작동 흐름

PDF 파일 변환

1. 변환할 PDF 파일의 경로를 준비합니다.
2. 활용convert메서드를 사용하여 변환합니다:

   result = markitdown.convert("example.pdf")
print(result.text_content)

Word 문서 변환

1. 변환할 Word 문서의 경로를 준비합니다.
2. 활용convert메서드를 사용하여 변환합니다:

   result = markitdown.convert("example.docx")
print(result.text_content)

이미지 파일 처리

1. 처리할 이미지 파일의 경로를 준비합니다.
2. 활용convert메서드를 사용하여 EXIF 메타데이터 추출 및 OCR 처리를 수행합니다:

   result = markitdown.convert("example.jpg")
print(result.text_content)

오디오 파일 처리

1. 처리할 오디오 파일의 경로를 준비합니다.
2. 활용convert메서드를 사용하여 EXIF 메타데이터 추출 및 음성 트랜스 크립 션을 수행합니다:

   result = markitdown.convert("example.mp3")
print(result.text_content)

HTML 파일의 특수 처리

1. 처리할 HTML 파일의 경로를 준비합니다.
2. 활용convert메서드를 사용하여 변환합니다:

   result = markitdown.convert("example.html")
print(result.text_content)