mcpField
C
convert-to-markdown

convert-to-markdown

github.com/varlabz文档处理051 次安装2 周前更新
代码仓库

关于 convert-to-markdown

convert-to-markdown 是将文件和网址转换为 Markdown 的技能，适用于需要整理文档、网页或媒体内容的工作流。它按输入类型调用 MarkItDown 或专用脚本，并支持 YouTube 字幕、MHTML 和网页转换。

主要功能

  1. 01转换多种文档和数据格式
  2. 02提取 YouTube 字幕与视频信息
  3. 03将 MHTML 转为 Markdown
  4. 04通过 Crawl4AI 转换网页
  5. 05支持图片 OCR 和音频转录

适用场景

  1. 01将 PDF 或 Office 文件整理为 Markdown
  2. 02提取 YouTube 视频字幕
  3. 03转换 MHTML 文件或网址
  4. 04抓取网页并生成 Markdown

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/varlabz/skills --skill convert-to-markdown

安装后在 Claude Code 中输入/convert-to-markdown确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

evals/
evals.json
evals/files/
page.mhtml
proposal.docx
proposal.md
scripts/
mhtml-to-md
web-to-md
youtube-transcript

详细介绍

将文件和 URL 转换为 Markdown

所有脚本都位于 scripts/ 中。可直接运行。

工具选择

输入类型命令脚本位置
.pdf、.docx、.pptx、.xlsx、.xls、.csv、.json、.xml、.epub、图片（.jpg/.png/等）、音频（.mp3/.wav/等）、.html、.txt、.mduvx markitdown <path>内置 CLI
YouTube URL 或视频 ID./scripts/youtube-transcript <url_or_id>scripts/youtube-transcript
普通网页 URL（Crawl4AI 服务正在运行）./scripts/web-to-md <url>scripts/web-to-md
.mhtml 文件或 MHTML URL./scripts/mhtml-to-md <source>scripts/mhtml-to-md

YouTube 字幕文本

./scripts/youtube-transcript <url_or_video_id> [--info] [--lang <code>] [--raw] [--cookies-from-browser <browser[:profile_dir]>]
  • --info：在字幕文本前包含视频元数据（标题、频道、时长）。
  • --lang <code>：字幕语言（例如 en、de）。默认：自动检测源语言。
  • --raw：输出原始 VTT，而不是清理后的文本。
  • --cookies-from-browser <browser[:profile_dir]>：从浏览器加载 Cookie，可选择指定其配置文件（例如 firefox 或 firefox:/path/to/profile）。若未指定，则回退到 YOUTUBE_TRANSCRIPT_COOKIES 环境变量。

MHTML 转 Markdown

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

接受本地 .mhtml 文件或提供 MHTML 内容的远程 URL。

网页转 Markdown（通过 Crawl4AI）

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

需要一个正在 http://localhost:11235 上运行的 Crawl4AI 服务（或设置 $CRAWL4AI_URL）。该服务会获取完整的页面 HTML；此脚本会将其转换为 Markdown。

没有 Crawl4AI？ 可改用：

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

MarkItDown（通用文件转换）

其他所有格式均使用 uvx markitdown：

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

支持：PDF、DOCX、PPTX、XLSX/XLS、图片（EXIF + OCR）、音频（转录）、EPUB、CSV、JSON、XML、HTML、TXT、ZIP。

遇到问题时

问题处理方法
扫描版 PDF 未提取到文本尝试将其作为图片处理，运行 uvx markitdown <path> — markitdown 会对图片执行 OCR
受密码保护的文件请先移除密码；markitdown 无法解密
大型 ZIP 压缩包先提取特定文件，再逐个转换
YouTube 年龄限制视频尝试使用已登录且有权访问该视频的浏览器配置文件运行 --cookies-from-browser；但不保证能够访问。
音频转录质量差取决于音频清晰度；我们无法在此改善
Excel 包含许多工作表所有工作表都会作为单独的表格包含在输出中

评论

支持 Markdown