微软开源新工具MarkItDown，Office文件轻松转换为Markdown格式
zhezhongyun 2024-12-27 17:47 47 浏览
IT之家 12 月 17 日消息，微软在 GitHub 上发布了名为 MarkItDown 的开源 Python 库，可以将 Office 文档在内的多种文件格式，转换为 Markdown 格式。
用户通过该工具转换后，有助于文本索引、分析等多种应用场景，并支持开发者利用大型语言模型进行图像描述。
IT之家附上 MarkItDown 库当前支持的文件格式如下：
PDF (.pdf)
PowerPoint (.pptx)
Word (.docx)
Excel (.xlsx)
Images (EXIF metadata, and OCR)
Audio (EXIF metadata, and speech transcription)
HTML (special handling of Wikipedia, etc.)
其它各种文本格式 (csv, json, xml, etc.)
开发人员还可以配置 MarkItDown 库，使用大型语言模型来描述图像，需要将 mlm_client 和 mlm_model 参数设置为 MarkItDown 对象，如下所示：
from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(mlm_client=client, mlm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)由于 MarkItDown 库在 MIT 开源许可下可用，因此开发人员可以自由使用、修改和分发它，唯一的要求是他们在分发时包含原始许可证和版权声明。
相关推荐
- 「layui」表单验证:验证注册
-
注册界面手动验证获取短信验证码代码原文<!DOCTYPEhtml><htmllang="zh"><head>&...
- Full text: Joint statement between China and Kenya on creating an inspiring example in the all-weather China-Africa community with a shared future for the new era
-
JointStatementBetweenthePeople'sRepublicofChinaandtheRepublicofKenyaonCreatinganInspi...
- 国际组织最新岗位信息送给你
-
国际刑警组织PostingTitleITLogisticsManagerGrade5DutyStationAbidjan,IvoryCoastDeadlineforApplicatio...
- 【新功能】Spire.PDF 8.12.5 支持设置表单域的可见与隐藏属性
-
Spire.PDF8.12.5已发布。该版本新增支持设置表单域的可见与隐藏属性、添加自定义的元数据以及给PDF文档的元数据添加新的命名空间。本次更新还增强了PDF到DOCX和图片的转换...
- AI curbs show Biden's rejection of cooperation
-
AIcurbsshowBiden'srejectionofcooperation:ChinaDailyeditorial-Opinion-Chinadaily.com.cnT...
- “煤气灯效应”上热搜，这几种有毒的“情感关系”也要注意了……
-
近日，“煤气灯效应”（theGaslightEffect）再次进入公众视野并登上热搜，引发网友广泛关注。那么，什么是“煤气灯效应”？以“爱”之名进行情绪控制在心理学中，通过“扭曲受害者眼中的真实”...
- Qt编写推流程序/支持webrtc265/从此不用再转码/打开新世界的大门
-
一、前言在推流领域，尤其是监控行业，现在主流设备基本上都是265格式的视频流，想要在网页上直接显示监控流，之前的方案是，要么转成hls，要么魔改支持265格式的flv，要么265转成264，如果要追求...
- 写给运维的Nginx秘籍
-
要说Web服务器、代理服务器和调度服务器层面，目前使用最大的要数Nginx。对于一个运维工程师日常不可避免要和Nginx打交道。为了更好地使用和管理Nginx，本文就给大家介绍几个虫虫日常常用的秘籍。...
- 突破亚马逊壁垒，Web Unlocker API 助您轻松获取数据
-
在数据驱动决策的时代，电商平台的海量数据是十足金贵的。然而，像亚马逊这样的巨头为保护自身数据资产，构建了近乎完美的反爬虫防线，比如IP封锁、CAPTCHA验证、浏览器指纹识别，常规爬虫工具在这些防线面...
- 每日一库之 logrus 日志使用教程
-
golang日志库golang标准库的日志框架非常简单,仅仅提供了print,panic和fatal三个函数对于更精细的日志级别、日志文件分割以及日志分发等方面并没有提供支持.所以催生了很多第三方...
- 对比测评:为什么AI编程工具需要 Rules 能力?
-
通义灵码ProjectRules在开始体验通义灵码ProjectRules之前，我们先来简单了解一下什么是通义灵码ProjectRules？大家都知道，在使用AI代码助手的时候，有时...
- python 面向对象编程
-
Python的面向对象编程（OOP）将数据和操作封装在对象中，以下是深度解析和现代最佳实践：一、核心概念重构1.类与实例的底层机制classRobot:__slots__=['...
- Windows系统下常用的Dos命令介绍(一)
-
DOS是英文DiskOperatingSystem的缩写，意思是“磁盘操作系统”。DOS主要是一种面向磁盘的系统软件，说得简单些，DOS就是人给机器下达命令的集合，是存储在操作系统中的命令集。主要...
- 使用 Flask-Admin 快速开发博客后台管理系统:关键要点解析
-
一、为什么选择Flask-Admin？Flask-Admin是Flask生态中高效的后台管理框架，核心优势在于：-零代码生成CRUD界面：基于数据库模型自动生成增删改查功能-高度可定制...
- Redis淘汰策略导致数据丢失?
-
想象一下，你的Redis服务器是一个合租宿舍，内存就是床位。当新数据（新室友）要住进来，但床位已满时，你作为宿管（淘汰策略）必须决定：让谁卷铺盖走人？Redis提供了8种"劝退"方案，...
- 一周热门
- 最近发表
-
- 「layui」表单验证:验证注册
- Full text: Joint statement between China and Kenya on creating an inspiring example in the all-weather China-Africa community with a shared future for the new era
- 国际组织最新岗位信息送给你
- 【新功能】Spire.PDF 8.12.5 支持设置表单域的可见与隐藏属性
- AI curbs show Biden's rejection of cooperation
- “煤气灯效应”上热搜，这几种有毒的“情感关系”也要注意了……
- Qt编写推流程序/支持webrtc265/从此不用再转码/打开新世界的大门
- 写给运维的Nginx秘籍
- 突破亚马逊壁垒，Web Unlocker API 助您轻松获取数据
- 每日一库之 logrus 日志使用教程
- 标签列表
-
- HTML 教程 (33)
- HTML 简介 (35)
- HTML 实例/测验 (32)
- HTML 测验 (32)
- HTML 参考手册 (28)
- JavaScript 和 HTML DOM 参考手册 (32)
- HTML 拓展阅读 (30)
- HTML常用标签 (29)
- HTML文本框样式 (31)
- HTML滚动条样式 (34)
- HTML5 浏览器支持 (33)
- HTML5 新元素 (33)
- HTML5 WebSocket (30)
- HTML5 代码规范 (32)
- HTML5 标签 (717)
- HTML5 标签 (已废弃) (75)
- HTML5电子书 (32)
- HTML5开发工具 (34)
- HTML5小游戏源码 (34)
- HTML5模板下载 (30)
- HTTP 状态消息 (33)
- HTTP 方法：GET 对比 POST (33)
- 键盘快捷键 (35)
- 标签 (226)
- HTML button formtarget 属性 (30)