markitdown 文档转markdown

安装

pip install "markitdown[all]"  -i https://mirrors.aliyun.com/pypi/simple/

from markitdown import MarkItDown
from openai import OpenAI

# ✅ 通过 OpenAI 兼容接口连接本地 Ollama
ollama_client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama"  # Ollama 不校验 key，填任意非空字符串即可
)

# 初始化 MarkItDown，绑定 Qwen3-VL-8B
md = MarkItDown(
    llm_client=ollama_client,
    llm_model="qwen3-vl:8b"
)

# ========== 使用示例 ==========

# 1. 扫描版 PDF 转 Markdown（VLM 逐页识别 + 结构还原）
pdf_result = md.convert("scanned_document.pdf")
print("=== PDF ===")
print(pdf_result.text_content)

# 2. Office 文档转 Markdown（docx/xlsx/doc/xls）
#    文本型内容直接解析，嵌入的图片自动交给 VLM 识别
docx_result = md.convert("report.docx")
xlsx_result = md.convert("data.xlsx")

# 3. 图片 OCR 转 Markdown
img_result = md.convert("screenshot.png")
print("=== IMAGE ===")
print(img_result.text_content)

# 💡 保存结果
with open("output.md", "w", encoding="utf-8") as f:
    f.write(pdf_result.text_content)