文件转换

MarkitDown

Markitdown

介绍

MarkItDown 是一款将各种文件转换为 Markdown 的实用程序（例如，用于索引、文本分析等）。它支持：

PDF 微软幻灯片软件单词 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（迭代内容）

要安装 MarkItDown，请使用 pip: pip install markitdown。或者，您可以从源代码安装它：pip install -e .

使用总结

world 转 md

能够很好的保留原文件的表格格式
图片转为base64占位符，也就是丢失了，不晓得是不是需要使用大模型来转

在Python中使用

Python中的基本用法：

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("test.xlsx")
print(result.text_content)
# 输出文件
with open("output.md", "w") as file:
    file.write(result.text_content)

from markitdown import MarkItDown
from openai import OpenAI

client = OpenAI(api_key= "你的api_key")
md = MarkItDown(llm_client=client, llm_model="gpt-4o-mini") # 你拥有的模型
result = md.convert("11.png")

# 打印
print(result.text_content)

# 输出文件
with open("output.md", "w") as file:
    file.write(result.text_content)

命令行使用

根据官网的说法命令行使用失败，提示 markitdown 不是命令

通过使用 Python 来调用解决

python.exe -m markitdown test.docx > test.md

Pandoc

介绍

各种格式的相互转换

使用总结

world 转 md

表格的格式混乱
图片能够很好的提取出来

一般用法

安装好后，重新打开终端输入下面命令

pandoc .\test.docx -o test.md --extract-media=./

注意：如果不加上 --extract-media=./ ，不提取图片

合并转换

powershell

合并当前目录下的所有文档

 pandoc (Get-ChildItem -Filter *.docx).FullName -s -o output.docx

-s ：单文件
-o: 输出路径

注意：如果输出为md,加上 --extract-media=./

合并指定文件

powershell

合并当前目录下的所有文档

 pandoc 1.docx 2.docx -s -o output.md --extract-media=./

注意：如果输出为md,加上 --extract-media=./

Imagemagick

图片格式转换

官网

安装

按下图下载
安装过程中，确保勾选了 “Install legacy utilities (e.g., convert)” 选项。这个选项确保你可以使用命令行工具（如 convert）进行操作。
在安装时，还可以选择将 ImageMagick 添加到系统的 PATH 环境变量，这样你就可以在任何地方直接运行命令。
如果在安装时没有选择将 ImageMagick 添加到 PATH 环境变量，或者你不确定是否已经配置，可以手动添加它：路径一般为: C:\Program Files\ImageMagick-x.x.x-Q16，其中 x.x.x 是你安装的版本号

使用示例说明

注意：7版本和之前的版本有很大的不同，下面以最新7版本为例
使用示例系统环境 Windows
工具：PowerShell
使用CMD失败

单张转换

转换webp图片为JPG图片

magick input.webp output.jpg

批量转换

批量转换当前目录webp图片为JPG图片(PowerShell)：

magick mogrify -format JPEG *.webp

批量转换并删除源文件

foreach ($file in Get-ChildItem -Filter *.emf) {
    # 定义输出文件路径
    $outputPath = "$($file.DirectoryName)\$($file.BaseName).png"

    # 转换文件为 PNG 格式
    magick $file.FullName $outputPath

    # 删除原始 EMF 文件
    Remove-Item $file.FullName -Force
}

递归批量转换并删除源文件

指定源文件路径批量转换：

# 获取当前执行命令的目录
$sourceDirectory = Get-Location

# 递归查找所有 .emf 文件
Get-ChildItem -Path $sourceDirectory -Recurse -Filter "*.emf" | ForEach-Object {
    # 定义输出文件路径
    $outputFile = $_.FullName.Replace($_.Extension, ".png")

    # 使用 ImageMagick 转换文件
    magick  $_.FullName $outputFile

    # 如果转换成功，删除源文件
    if (Test-Path $outputFile) {
        Remove-Item $_.FullName
    }
}

在cmd中使用for批量转换(使用失败)

for /r %f in (*.emf) do magick "%f" "%~dpnf.png"

Labyte Book