转换pdf文件为md文件【markitdown+pdf4llm】

明如正午2026-05-01 10:01

文章目录

一、镜像安装markitdown

使用清华源安装（推荐）

python 复制代码

pip install markitdown -i https://pypi.tuna.tsinghua.edu.cn/simple

或者使用阿里云源

python 复制代码

pip install markitdown -i https://mirrors.aliyun.com/pypi/simple/

如果需要安装所有可选依赖（支持更多文件格式），可以加上 $all$ ：

python 复制代码

pip install markitdown[all] -i https://pypi.tuna.tsinghua.edu.cn/simple

二、屏蔽各种warnning

三、实操

方法一：cmd指令执行

在转换文件所在文件夹下，输入cmd，回车，调出cmd窗口

方法二：Python代码执行

pdf转md，只能转文字：

python 复制代码

from markitdown import MarkItDown

# 创建一个MarkItDown转换器实例
md = MarkItDown()

# 转换文件：支持PDF, DOCX, XLSX, JPG, MP3, 甚至ZIP文件等
result = md.convert("222.pdf")

# 获取Markdown文本内容
markdown_content = result.text_content
print(markdown_content)

# 可以选择将转换后的文本保存为一个.md文件
with open("output222_markitdown.md", "w", encoding="utf-8") as f:
    f.write(markdown_content)

input("请按回车键退出...")

xlsx转md，只能转文字，代码类似。

pdf转md带图片的实现【库：pdf4llm】

需先安装库：pip install pdf4llm -i https://pypi.tuna.tsinghua.edu.cn/simple

python 复制代码

import pdf4llm
import pathlib

md_text = pdf4llm.to_markdown("222.pdf", write_images=True)
pathlib.Path("output222_havePicture.md").write_bytes(md_text.encode())