convert-to-markdown

ファイルと URL を Markdown に変換

すべてのスクリプトは scripts/ にあります。そのまま実行してください。

ツールの選択

入力タイプ	コマンド	スクリプトの場所
.pdf、.docx、.pptx、.xlsx、.xls、.csv、.json、.xml、.epub、画像（.jpg/.png など）、音声（.mp3/.wav など）、.html、.txt、.md	uvx markitdown <path>	組み込み CLI
YouTube の URL または動画 ID	./scripts/youtube-transcript <url_or_id>	scripts/youtube-transcript
通常のウェブ URL（Crawl4AI サーバーが実行中の場合）	./scripts/web-to-md <url>	scripts/web-to-md
.mhtml ファイルまたは MHTML の URL	./scripts/mhtml-to-md <source>	scripts/mhtml-to-md

YouTube の文字起こし

./scripts/youtube-transcript <url_or_video_id> [--info] [--lang <code>] [--raw] [--cookies-from-browser <browser[:profile_dir]>]

• --info：文字起こしの前に動画のメタデータ（タイトル、チャンネル、長さ）を含めます。
• --lang <code>：字幕の言語（例：en、de）。デフォルトでは、ソース言語を自動検出します。
• --raw：クリーニング済みテキストの代わりに、生の VTT を出力します。
• --cookies-from-browser <browser[:profile_dir]>：ブラウザーから Cookie を読み込みます。必要に応じてプロファイルを指定できます（例：firefox または firefox:/path/to/profile）。省略した場合は、YOUTUBE_TRANSCRIPT_COOKIES 環境変数にフォールバックします。

MHTML から Markdown への変換

./scripts/mhtml-to-md <path_or_url>

ローカルの .mhtml ファイル、または MHTML コンテンツを提供するリモート URL を受け付けます。

ウェブページから Markdown への変換（Crawl4AI 経由）

./scripts/web-to-md <url> [-o output.md] [-s server_url]

http://localhost:11235 で実行中の Crawl4AI サーバーが必要です（または $CRAWL4AI_URL を設定してください）。サーバーがページ全体の HTML を取得し、このスクリプトが Markdown に変換します。

Crawl4AI がない場合：次の方法をお試しください。

curl -o page.html <url> && uvx markitdown page.html

MarkItDown（一般的なファイル変換）

その他のすべての形式には uvx markitdown を使用します。

uvx markitdown <path> [-o output.md]

対応形式：PDF、DOCX、PPTX、XLSX/XLS、画像（EXIF + OCR）、音声（文字起こし）、EPUB、CSV、JSON、XML、HTML、TXT、ZIP。

問題が発生した場合

問題	対処方法
スキャンした PDF からテキストが抽出されない	画像として uvx markitdown <path> を試してください。markitdown は画像に対して OCR を実行します
パスワードで保護されたファイル	先にパスワードを削除してください。markitdown では復号できません
大きな ZIP アーカイブ	先に対象のファイルを抽出してから、個別に変換してください
YouTube の年齢制限付き動画	動画にアクセスできるアカウントでログインしたブラウザープロファイルを指定して --cookies-from-browser をお試しください。アクセスできるとは限りません。
音声の文字起こしの品質が低い	音声の明瞭さによります。こちらでできることはありません
Excel にシートが多数ある	すべてのシートが、出力内で個別のテーブルとして含まれます